最近邻分类器

摘要： 设计了一种基于模板匹配进行工件少孔、变形等外观不良检查的算法,以及一种利用螺纹孔反光量和孔径信息进行螺纹缺失检查的算法.基于这两种算法,设计了转盘式钣金冲压件高速视觉检查机完成制品检查.

摘要： 本文针对人脸识别对光照的鲁棒性问题,实现了基于实时视频的人脸识别系统。在实时视频中利用AdaBoost算法自动的检测出人脸图像,对检测到的人脸图像进行进一步的旋转、缩放、裁剪和降噪等操作,利用圆形LBP算子提取预处理后人脸图像的纹理特征,最后使用最近邻分类器将人脸图像和人脸库的图像进行比较,将识别到的人脸名字在矩形的右上角标记出来。本文的开发环境是基于Microsoft Visual Studio 2010、OpenCV3.0和MFC实现的,实验结果表明该系统具有一定的准确性和鲁棒性。

摘要： 为准确获取云雨天气较多地区的农作物分布信息,以敦化市西北部的黑市乡和额穆镇为研究区,以高分一号(GF-1)卫星宽视场(wide field view,WFV)传感器和哨兵一号(Sentinel-1)为数据源,通过WFV数据提取耕地范围,利用J-M(Jeffries-Matusita)距离可分性进行Sentinel-1影像最优分类时相组合的判断,根据选取Sentinel-1数据通过最近邻分类器多次循环对研究区主要农作物的分布信息进行提取.研究结果表明,进行多次循环产生的分类结果优于单次循环结果,循环次数达到5次结果趋于稳定,总体分类精度为84.23％.可见利用Sentinel-1数据进行敦化市农作物分类是可行的,多次循环的最近邻算法有利于获取更精准的农作物分布信息.

摘要： 为提高航天软件测试的效率和质量,针对同公司航天软件数量少、研制周期长的特点,提出了一种跨公司航天软件缺陷预测方法.从航天软件背景信息复杂、规模大、功能独立等特征出发,提出基于静态分类缺陷预测的模型构建思想.引入迁移学习方法,利用最近邻分类器和数据引力模型,对训练数据的分布特征进行修正,提高训练数据与目标数据的相似性;为提高模型的泛化能力以适应目标数据的多样性,提出在训练数据中加入少量目标数据用于模型训练.将该方法在实际工程中进行应用,实验结果表明,与已有软件缺陷预测方法相比,该方法在保持较低误报率(不高于0.3)的情况下可有效提高召回率(接近0.6),整体可信度得到有效增强(G-measure超过0.6),方法稳定度高,泛化能力较强;本方法在实际工程中对测试规模影响可控,测试效率得到提高.

摘要： 为使焊缝缺陷图像特征提取更完整,提出一种多尺度采样分析的焊缝缺陷识别方法.对原有多尺度算法的符号模式进行改进,使其相比原来增加两个划分区间;利用控制变量法确定焊缝图像识别的最优尺度数为2,最佳邻域像素数为12;提取焊缝图像的多尺度特征,连接各个尺度下的特征向量用于表示焊缝图像}用最近邻分类器对缺陷图像进行识别;考虑实际生产中缺陷种类的多样性,对缺陷图像做9个不同角度的旋转.综合实验结果表明,该方法具有较高的识别率且具有旋转不变性,实验中对复杂缺陷图像识别率超过91.71％,优于现有方法,能够满足实际需要.

摘要： 为了解决基于时空上下文目标跟踪算法中低级特征不能很好地适应目标外观变化,在线更新容易产生漂移的问题,在其基础上提出了一种基于在线检测的时空上下文目标跟踪算法.首先利用朴素贝叶斯分类器构建了一个随机蕨分类器,使用随机蕨分类器进行分类并筛选候选样本;然后使用最近邻分类器计算这些样本的置信度,并计算其中最大者的置信图;最后将得到的置信图与时空上下文跟踪器的置信图融合成一个新的置信图来判定目标.实验结果表明,该算法在复杂场景下能够适应目标外观的变化,具有较好的跟踪效果和实时性.

摘要： 对身份认证过程中的击键序列特征提取和分类识别问题进行研究,提出了一种基于鲁棒线性判别分析的击键特征识别方法.首先,最大化类间离散度和最小化类内离散度,保持击键序列特征样本的最佳判别特性.其次,构造样本间的局部相似性邻接图,最小化局部相似性离散度,保持样本的局部相似性.最后,基于上述原则,对击键序列特征样本进行特征提取并采用最近邻分类器进行判别输出.仿真实验结果验证了该方法的有效性.

摘要： 文章提出了使用挥手行为进行身份识别的构想。通过能量图来表征一个周期的挥手行为序列，使用欧氏距离度量能量图之间的距离，采用最近邻分类器进行分类。算法在9个样本大小的Weizmann公共数据集上的识别率为100%，实验不仅说明了提出的算法有效，还表明了基于挥一只手行为和挥两只手行为的身份识别是可行的。最后的拓展性测试实验还表明了两种挥手方式的模板库具有一定的通用性。

摘要： 提出一种基于独立分量分析(ICA)的机械故障特征提取方法，不需要机械故障先验信息，直接对机械故障振动信号进行独立分量分析，得到统计上相互独立的分量，然后将振动信号表示为这些独立分量线性组合的形式，其中线性组合的系数作为特征向量，最后使用基于余弦距离的最近邻分类器进行识别。使用轴承正常、内圈故障、滚动体故障、外圈故障四种工况样本进行测试，识别率达到90%以上，实验结果表明该方法可以用于机械故障诊断。本文方法通用性好，具有较高的使用价值。

摘要： 本发明公开了一种基于最近邻一类分类器的雷达分布式地面目标鉴别方法，主要解决现有技术中检测后虚警过多的问题。其技术方案是：1)对雷达一维回波信号进行2‑范数归一化后进行恒虚警检测；2)对检测结果进行截取和对齐并选取训练样本和测试样本；3)计算训练样本之间的平均Hausdorff距离向量，并确定最近邻一类分类器的判决门限Thr；4)计算测试样本与训练样本之间的平均Hausdorff距离d；5)将平均Hausdorff距离与判决门限进行比较，若d≤Thr，测试样本为目标，否则，测试样本为非目标。本发明较好的去除了非目标虚警，可用于分布式地面目标的鉴别。

摘要： 本发明公开了一种基于最近邻原型表示的遥感舰船图像小样本分类方法，包括如下步骤：在辅助数据集上使用小批量梯度下降法训练得到后续特征提取器；使用特征提取器对待测类别的少量已知样本与测试样本进行特征提取；使用“图像到特征”的最近邻表达计算类别原型特征向量；各类别原型向量与待测特征向量进行度量判断类别。本发明不需要进行不同图像域之间的知识迁移，使得在样本受限情况下，能够大幅提高舰船分类的准确度。

摘要： 本发明公开了一种基于最近邻一类分类器的雷达分布式地面目标鉴别方法，主要解决现有技术中检测后虚警过多的问题。其技术方案是：1)对雷达一维回波信号进行2-范数归一化后进行恒虚警检测；2)对检测结果进行截取和对齐并选取训练样本和测试样本；3)计算训练样本之间的平均Hausdorff距离向量，并确定最近邻一类分类器的判决门限Thr；4)计算测试样本与训练样本之间的平均Hausdorff距离d；5)将平均Hausdorff距离与判决门限进行比较，若d≤Thr，测试样本为目标，否则，测试样本为非目标。本发明较好的去除了非目标虚警，可用于分布式地面目标的鉴别。

摘要： 本发明公开了一种基于K最近邻分类的光伏功率预测方法。本发明将光伏板所处环境的传感器所获取的数据上传至云端服务器，数据进行加工、处理、分析，得到原始数据集，对原始数据集的数据进行学习，建立预测模型，从而在后续工作状态下，根据实时环境判断当前环境下的光伏板的输出功率区间。采用本发明，可以大致得获得某一时刻光伏系统的发电功率，并且避免了人力监控带来的成本，同时整个系统的功率可以用于估算未加功率输出反馈的其他光伏系统上。

摘要： 本发明公开了一种基于LBP特征及最近邻分类器的人脸识别方法，将人脸图像划分不重叠子区域，提取各个子区域对称不变LBP特征，将对称不变LBP和Uniform LBP进行结合，形成对称不变Uniform LBP，形成区域直方图，再将各区域直方图串联形成增强特征向量，利用卡方距离度量直方图相似度，最后采用最近邻分类器进行人脸识别；本发明所提出的对称不变LBP算子结合Uniform LBP最高识别率达到0.86，平均识别率达到0.82，比现有的几种类LBP算子最高0.81和平均0.78的识别率均有所提高。

摘要： 本发明公开一种基于最近邻分类器和均值漂移的目标跟踪方法，主要解决现有技术中由于目标运动模糊无法捕获特征点和跟踪漂移无法恢复而导致的跟踪失败问题。其实现步骤为：(1)输入视频的第一帧，并用矩形框标记出待跟踪目标；(2)对目标模型初始化；(3)确定新一帧视频图像中目标搜索区域；(4)提取搜索区域内的尺度不变sift特征与目标模型匹配，同时用均值漂移模型跟踪目标；(5)对步骤(4)的结果进行决策级融合作为目标跟踪结果输出；(6)更新没有发生遮挡的目标模型；(7)循环执行步骤(3)~步骤(6)，直至视频结束。本发明与现有技术相比在目标快速运动甚至出现运动模糊或者发生遮挡情况下提高了目标跟踪的准确性。

摘要： 本发明公开了一种基于LBP特征及最近邻分类器的人脸识别方法，将人脸图像划分不重叠子区域，提取各个子区域对称不变LBP特征，将对称不变LBP和Uniform LBP进行结合，形成对称不变Uniform LBP，形成区域直方图，再将各区域直方图串联形成增强特征向量，利用卡方距离度量直方图相似度，最后采用最近邻分类器进行人脸识别；本发明所提出的对称不变LBP算子结合Uniform LBP最高识别率达到0.86，平均识别率达到0.82，比现有的几种类LBP算子最高0.81和平均0.78的识别率均有所提高。

摘要： 本发明提供的是一种基于局部线性嵌入与K‑最近邻分类器的核动力装置故障诊断方法。(1)获取核动力装置在稳态运行和典型事故状态下的运行数据作为训练数据；(2)采用均值‑方差标准化方法将训练数据进行无量纲的标准化处理得到高维样本数据；(3)采用局部线性嵌入算法提取高维样本数据的低维流形结构，得到低维特征向量；(4)将低维特征向量输入K‑最近邻分类器中进行分类训练；(5)获取核动力装置实时运行数据，重复(2)、(3)；(6)利用已经训练好的K‑最近邻分类器对特征向量分类决策。本发明利用非线性流形学习方法在特征降维提取方面的优势，适用于非线性，数据高维数系统的故障诊断，具有很高的故障诊断准确度。

摘要： 本发明公开一种基于最近邻分类器和均值漂移的目标跟踪方法，主要解决现有技术中由于目标运动模糊无法捕获特征点和跟踪漂移无法恢复而导致的跟踪失败问题。其实现步骤为：(1)输入视频的第一帧，并用矩形框标记出待跟踪目标；(2)对目标模型初始化；(3)确定新一帧视频图像中目标搜索区域；(4)提取搜索区域内的尺度不变sift特征与目标模型匹配，同时用均值漂移模型跟踪目标；(5)对步骤(4)的结果进行决策级融合作为目标跟踪结果输出；(6)更新没有发生遮挡的目标模型；(7)循环执行步骤(3)~步骤(6)，直至视频结束。本发明与现有技术相比在目标快速运动甚至出现运动模糊或者发生遮挡情况下提高了目标跟踪的准确性。

摘要： 本发明公开了基于受限玻尔兹曼机和最近邻分类法的脑部磁共振图像分类方法，包括如下步骤：步骤A，对脑部磁共振图像集中各图像进行预处理，抽样各图像及其对应的标签构成测试集和训练集；步骤B，基于受限莫尔兹曼机对训练集进行训练，提取训练集特征；步骤C，将上一步提取的特征利用最近邻分类器进行分类。利用本发明方法在公开的脑部磁共振图像库中进行了实验，结果表明：与现有的技术相比较，可以明显提高分类准确率。本发明可以用于脑部磁共振图像分类系统中。