特征矢量

摘要： 由于牵引变压器差动保护在励磁涌流的冲击下可能误动作,精准识别励磁涌流和短路电流,可提高变压器继电保护的可靠性。本文研究通过建立高效的模态特征提取方法及关联维数算法,将牵引变压器差动电流信号经相空间重构和关联维数计算,从差动电流信号中准确捕捉到牵引变压器匝间的动态特征信息,并以该关联维数特征信息作为识别两种状态电流的依据。仿真实验结果证明,该方法能快速准确识别出变压器的内部短路故障,具有灵敏度高、可靠性强等优点,并且适用于复杂的牵引供电系统状态故障诊断。

摘要： 传统的视频运动人脸图像相似表情识别方法,利用小波变换提取人脸特征,后续特征分解效果不理想,导致表情识别准确度较低.为此,提出基于改进核判别算法的视频运动人脸图像相似表情识别研究.采用积分图法提取视频中的人脸表情,得到特征矩形区域.结合核判别算法对特征矩形区域进行分解得出表情特征矢量.结合弹性模板匹配法,计算和匹配表情特征矢量,得出匹配最优的表情,完成人脸图像相似表情识别.为验证所提方法的应用性能,设计仿真实验.实验结果表明,与传统方法相比,所提方法的表情识别准确度更高.本文设计识别方法具有应用有效性,为相关领域提供可靠依据.

摘要： 电子战系统通常采用宽带相位干涉仪对辐射源进行高精度方位测量,但在不同辐射源的信号同时到达情况下,面临对每个辐射源都会测向出错的问题.提出一种基于特征矢量分解的加权投影空间相位最小均方误差测向方法,结合特定条件下的空间谱估计测向方法,可实现对同时到达信号条件下的最大幅度信号的正确测向.理论分析和仿真计算表明,该方法既能够解决传统干涉仪测向出错的问题,又可以降低完全采用空间谱估计算法的运算量,为电子战系统在复杂电磁环境下的干涉仪测向提供一种可能的方案.

摘要： 为解决地铁视频监控技术对乘客不安全行为只记录不识别且较少考虑识别精确度的问题,提出1种基于Kinect传感器的高效识别方法.以Pelvis为向量起点和动作活动高频关节为终点构建识别特征向量;运用余弦定理获得标准动作与测试动作关节的最大角度差序列;以最大角度差为动作特征量建立相似度计算模型,运用动态时间规整算法(DTW)将初始结果转换为动作相似度.以相连关节法为对照组开展对比实验,结果表明:前者在抽烟、挥拳、挥手呼救等行为识别的准确度分别为91.7％,86.9％,89.2％,平均比对照组高4％以上,显著提高了地铁乘客不安全行为的识别率,可为地铁智能安全管控提供理论与技术依据.

摘要： Least squares estimation algorithms are widely used in range-based source localization.These methods cannot provide desirable accuracy in the case of a non line of sight(NLOS)path between mobile station and base stations.Various algorithms have been proposed to identify and mitigate this error.However,they have a large run-time overhead.Therefore,an eigenvector-based NLOS error identification localization(E-NIL)algorithm is proposed in this paper.The E-NIL algorithm identifies NLOS error based on statistical features of range measurements,and the NLOS error is considered as deterministic additive term.Then,the E-NIL algorithm finds the NLOS error value using the autocorrelation function of the error and its eigenvector.Simulation results demonstrate superiority of the proposed method in comparison with the state-of-the-art algorithms in terms of accuracy and complexity.%最小二乘估计算法常用于基于测距的源定位,然而,当移动基站与基站间呈非视距(Non Line of Sight,NLOS)路径时,最小二乘估计算法无法提供理想的定位精度.为了克服此问题,研究人员提出多类算法识别并消除NLOS误差.然而,现存的算法存在高运行时间的开销问题.为此,提出基于特征矢量的NLOS误差检测的定位(Eigenvector-Based NLOS Error Identification Localization,E-NIL)算法.E-NIL算法先利用基于测距数据的统计特性识别NLOS误差,然后,将NLOS误差看成确定加性噪声项,再利用误差函数与它的特征矢量间的互相关,寻找NLOS误差值.最后,再删除这些NLOS项,并依据这些无NLOS误差的数据估计移动基站的位置.实验数据表明,提出的E-NIL算法在定位精度和复杂度方面优于同类算法.

摘要： 为了实现变压器故障的直观分类和故障识别,在分析变压器振动机理的基础上,提出一种基于自组织特征映射(SOM)神经网络的变压器故障检测方法.首先利用集合经验模式分解(EEMD)方法提取变压器不同运行状态下振动信号的特征矢量,以其表示变压器运行状态,降低故障分类和识别时运算量.然后通过采用SOM网络自组织学习算法,不断学习样本的特征矢量确定故障隶属函数,从而可以快速有效地诊断变压器的故障类型.试验结果表明,该方法可实现对变压器正常状态、绕组轴向变形、绕组径向变形、铁芯故障4种状态分类,并对测试样本进行快速的模式识别.

摘要： 针对传统方法在人体行为识别方面拓展性不强等问题,提出一种序列化的研究思想,提取骨骼图的特征矢量,用SVM训练和识别静态动作,形成序列即可表示动态动作,因此只要丰富静态动作库,就可以实现多种动态动作的识别,具有很好的拓展性.为了减少静态动作识别错误产生的影响,提出一种基于前后信息的纠错算法.实验表明,该算法具有较高的识别准确率,并且具有很好的鲁棒性和实时性.%In view of the fact that the traditional method is not expanding well in human behavior recognition,this paper proposes a serialization research idea.A sequence which can represent the dynamic action is generated by using SVM to train and recognize static action whose feature vectors of skeleton map extracts from Kinect.Therefore,as long as the static action library is rich,a variety of dynamic actions can be identified,and it has good scalability.In order to reduce the influence of the error recognition of static motion,this paper proposes an error correction algorithm based on front and back information.Experiments show that the algorithm has higher recognition accuracy,and has better robustness and real-time.

摘要： 提出了一种数字图像拼接复原的算法.首先利用BP神经网络对所有碎片进行归类;然后利用同一行的碎片特征必然非常相似这一特征作为依据,对分类后的碎片构造特征相似度函数,计算使相似性判别函数最大的单位矢量与碎片的特征矢量的距离,进行最大相似性判别,选出碎片间的差异最小的进行拼接.结合人工干预,最后得到拼接结果.实验结果表明该算法有效可行.

摘要： 为有效提取变压器振动信号特征,提出了一种基于经验小波变换(EWT)的信号特征提取方法.首先利用EWT方法将不同工况的变压器振动信号分别分解为若干经验小波函数(EWF)分量;然后计算各分量Hilbert谱,通过时频表示直观反映不同工况变压器振动信号的频率特征信息;最后计算不同工况振动信号各EWF分量与原信号的相关系数,并提取相关度高的分量,根据其能量构建信号的特征矢量,实现对不同工况变压器振动信号特征提取的量化处理.仿真试验表明,该方法能有效提取变压器振动信号特征,且根据提取的特征矢量能够正确识别变压器绕组所属的不同工况.%In order to realize effective feature extraction for vibration signals of power transformers,a method of signal feature extraction based on empirical wavelet transform (EWT) is proposed.Firstly,transformer vibration signals in different working conditions are decomposed into several empirical wavelet functions (EWFs) through the method of EWT.Secondly,the Hilbert spectrum of each EWF is calculated,and the frequency characteristics of transformer vibration signals in different working conditions are shown in time frequency representation.Finally,the correlation coefficient of each EWF and the original signal is calculated to extract components of high correlation.The eigenvectors of signals are built according to the energy of components above to quantize the features of transformer vibration signals.It is shown by experiment that this method has a good effect on feature extraction for vibration signals of power transformers,and the different transformer winding conditions can be recognized correctly through the extracted eigenvectors.

摘要： In order to achieve the fault identification and classification intuitively of transformer fault , this paper pro-poses a method of transformer fault detection method based on PCA ( principal component analysis ) and KNN ( K-Nearest Neighbor ) classification and recognition .In this paper , vibration signals from different transformer states are decomposed by EMMD ( ensemble empirical mode decomposition ) to abstract feature vectors which are projected onto a visual two-dimensional image .KNN classification is applied to verify fault classification and achieve automatic fault identification .Experimental results show that this method can achieve classification of a normal state of transformer , winding deformation and the core fault respectively , which can realize automatically pattern recognition of test sample .%为了实现变压器故障的直观分类和故障识别,在分析变压器振动机理的基础上,提出一种基于主成分分析和KNN分类识别的变压器故障测量方法.该方法采用EMMD(集合经验模式分解)方法提取变压器不同运行状态下振动信号的特征矢量,将该特征矢量通过主成分分析投影到直观的二维图像中.利用KNN分类识别实现故障分类和自动故障识别.试验结果表明,该方法可以实现对变压器正常状态、绕组变形、铁芯故障3种状态直观分类,并对测试样本进行快速的自动模式识别.

摘要： 通过激光成像技术获取三维地形轮廓并实现飞行器自主导航是目前国际上的一种先进技术.除了研制高性能的激光成像雷达外,如何寻找一种稳定、高效的地形匹配算法是当前研究的热点之一.在传统的相关算法的基础上,通过构建一种基于地形山脊线局部均值、梯度的特征矢量实现三维地形图的特征匹配.分析了特征矢量的构建、相似性度量的方法,并对匹配算法进行了对比试验,结果表明该方法较传统匹配算法性能有提高.

摘要： 针对防SAR侦察伪装效果评价的客观需求,本文研究了基于SAR图像特征的伪装效果评价方法.首先选取伪装目标SAR图像的统计特征和纹理特征作为特征矢量,并对特征矢量进行归一化处理,然后计算不同伪装方案之间特征矢量的欧式距离,通过比较欧式距离来对伪装效果进行评价.试验结果表明,该方法能够对防SAR侦察伪装效果进行较好的评价.

摘要： 奇异谱分析方法是一种针对时间序列的分析方法，源于主成分分析法，用于对时间序列中振荡趋势的检测分析，目前已成功的应用于地震数据去噪、气象预报等诸多领域。在探地雷达数据处理中，先建立信号的时滞矩阵，对其进行奇异值分解后得到雷达信号的协方差矩阵的特征值，得到分别对应信号及噪声的奇异谱和特征矢量，对得到的奇异谱进行分析，可以得到关于噪声强度的平台，利用那些低阶的、高于噪声平台的、有较大方差特征值对应的特征矢量进行空相空间重构，重新建立具有较大信噪比的空间，达到对雷达数据进行去噪处理的目的。

摘要： 本文提出基于类词包(CSBOW)技术的有监督图像分类算法。在训练阶段，首先在每一类训练图像库中提取特征点，运用SIFT描述符形成特征区域描述符，然后根据欧氏距离对特征矢量进行K均值聚类，每一类形成若干聚类中心即所谓类词包。在测试阶段，首先提取测试图像的特征点，运用SIFT描述符形成若干特征矢量，然后依次计算每个特征矢量与各类聚类中心的欧式距离，运用竞争投票机制决定图像的分类结果。本文将CSBOW技术应用到商品图像分类，实验结果证明本算法分类正确率高于传统的基于词包和SVM的图像分类算法。

摘要： 电能质量扰动主要包括电压骤降、骤升、瞬时中断、短时脉冲和振荡瞬态等.为了控制和改善电能质量，首先必须弄清产生扰动的原因，并且对扰动进行分类、量化以便采取有效的抑制措施.基于此本文提出了一种采用小波多分辨率分析的方法实现扰动信号的不同频带的特征量的提取，从而形成特征矢量，然后采用概率神经网络实现电能质量不同扰动的归类.现场测试的数据证实了提出的方法是可行的，并且具有较高的归类准确率.

摘要： 本文提出了一种新的汉语语音模型-多组状态转移顺序聚类模型(MSSC).该模型采用了马尔可夫过程的状态转移方式,描述汉语语音的特征矢量序列的时序列过程,同时采用了动态时间匹配DTW的比对概念和直接特征状态而不是HMM法的隐状态.新的模型具有多组子模型特点,从而对语音速度的变化,语音轻重的变化等有较强的适应能力.在描述状态转移方面,增加了记录状态的自转移次数,用其作权重可更好地利用特征信息,提高识别率.另外,该方法的物理意义明显,故可以根据不同的特征矢量,进行合理的加权评判,且可以方便地扩充特征矢量的种类,更好的利用了汉语语音中的有用信息,进一步提高识别的正确率.本文从原理上及实际的测算结果证了新方法的有效性.

摘要： 本文介绍了烧结机尾部断面红外热像图的图像处理及质量指标在线预测系统，通过数字图像处理方法取到红外热像图的特征矢量，采用神经网络方法建立预测模型，取到了良好的效果。

摘要： 为了获得具有较高识别率的算法,提出了一种基于水平积分投影函数和HMM的人脸识别方法.投影函数是进行人脸检测时常用的方法,它可以在很大程度上反映出人脸的特征.将归一化后的图像看成一个二维矩阵,将一维的水平积分投影向量转换成一维向量序列,通过HMM对这些一维向量序列进行训练,从而得到一个优化的HMM.实验结果表明,这种方法的计算量小,运行速度较快,识别率较高。

摘要： 为了获得具有较高识别率的算法,提出了一种基于水平积分投影函数和HMM的人脸识别方法.投影函数是进行人脸检测时常用的方法,它可以在很大程度上反映出人脸的特征.将归一化后的图像看成一个二维矩阵,将一维的水平积分投影向量转换成一维向量序列,通过HMM对这些一维向量序列进行训练,从而得到一个优化的HMM.实验结果表明,这种方法的计算量小,运行速度较快,识别率较高。

摘要： 为了获得具有较高识别率的算法,提出了一种基于水平积分投影函数和HMM的人脸识别方法.投影函数是进行人脸检测时常用的方法,它可以在很大程度上反映出人脸的特征.将归一化后的图像看成一个二维矩阵,将一维的水平积分投影向量转换成一维向量序列,通过HMM对这些一维向量序列进行训练,从而得到一个优化的HMM.实验结果表明,这种方法的计算量小,运行速度较快,识别率较高。

摘要： 本发明公开了一种基于方向特征和局部唯一性的矢量图形特征点提取方法，分为方向特征值计算和局部唯一性筛选两部分，在方向特征值计算部分通过滑动窗口计算边缘特征；在局部唯一性筛选部分计算各区域之间的唯一性，结合方向特征与其唯一性并对各个窗口区域进行评分，降序排序得到前n个最优特征点。能够从矢量图中快速提取出若干对位特征点，且特征点具有良好的唯一性，目前该算法已经成熟应用到了自动对位设备当中。

摘要： 根据本发明的典型实施例，等同地处理对增强层的邻接块或先前编码图片的块的运动矢量以及基本层的运动矢量的参考。因此，可以使motion_prediction_flag与识别信息整合以进一步提高编码效率。

摘要： 本发明公开了一种基于方向特征和局部唯一性的矢量图形特征点提取方法，分为方向特征值计算和局部唯一性筛选两部分，在方向特征值计算部分通过滑动窗口计算边缘特征；在局部唯一性筛选部分计算各区域之间的唯一性，结合方向特征与其唯一性并对各个窗口区域进行评分，降序排序得到前n个最优特征点。能够从矢量图中快速提取出若干对位特征点，且特征点具有良好的唯一性，目前该算法已经成熟应用到了自动对位设备当中。

摘要： 根据本发明的典型实施例，等同地处理对增强层的邻接块或先前编码图片的块的运动矢量以及基本层的运动矢量的参考。因此，可以使motion_prediction_flag与识别信息整合以进一步提高编码效率。

摘要： 本发明计算第一音频和/或视频信号的第一特征矢量与第二音频和/或视频信号的第二特征矢量之间的相似性度量的方法，包括计算第一特征矢量和第二特征矢量之间的距离的步骤，第一特征矢量和第二特征矢量两者都包括第二维的特征值，其中使用了加权因子，该加权因子赋给第一维的权重大于赋给第二维的权重，其中特征中特定的一个特征的加权因子取决于针对信号集合的该特定的一个特征的值的方差和/或取决于该信号集合的每类信号的该特定的一个特征的平均值的方差。本发明的设备包括电子电路，其被操作来执行本发明的方法。本发明的软件使得可编程设备操作时执行本发明的方法。

摘要： 本发明计算第一音频和/或视频信号的第一特征矢量与第二音频和/或视频信号的第二特征矢量之间的相似性度量的方法，包括计算第一特征矢量和第二特征矢量之间的距离的步骤，第一特征矢量和第二特征矢量两者都包括第二维的特征值，其中使用了加权因子，该加权因子赋给第一维的权重大于赋给第二维的权重。本发明的电子设备包括电子电路，其被操作来执行本发明的方法。本发明的软件使得可编程设备操作时执行本发明的方法。

摘要： 噪声环境存储单元，在其中存储用于补偿语音的特征矢量的补偿矢量。特征提取单元，在多个帧中的每个帧中提取语音的特征矢量。噪声环境序列估计单元，根据特征矢量序列和相似性程度估计噪声环境序列。计算单元，根据在噪声环境存储单元内存在的补偿矢量获得与在估计的噪声环境序列内的每个噪声环境对应的补偿矢量。补偿单元根据所获得的补偿矢量补偿语音的所提取特征矢量。

摘要： 本发明涉及基于扫描方向矢量与特征矢量内积的阵列超分辨测向方法，从阵列协方差矩阵获得信号子空间和噪声子空间的特征矢量后，首先计算扫描方向矢量与所有特征矢量内积模值；第二，基于扫描方向矢量与信号子空间特征矢量内积模值，构建子目标函数；第三，基于扫描方向矢量与噪声子空间特征矢量内积模值，构建子目标函数；第四，结合上述两个子目标函数，构建新的超分辨测向目标函数；第五，形成空间谱图，从中估计出信号入射方向的候选角度；第六，剔除估错的候选角度，获得信号的入射方向角度估计值。本发明综合利用信号子空间和噪声子空间的正交性、信号方向矢量与信号子空间的等价性，构建新的超分辨测向目标函数，能够获得超高测向分辨率。

摘要： 本发明提出一种基于双基地极化特征矢量的人造目标结构类型反演方法，步骤如下：第一步，建立模板部件的CAD模型库；第二步，获取模板部件的电磁散射仿真数据；第三步，构建双基地极化特征矢量；第四步，神经网络训练；第五步，对人造目标的ISAR图像进行散射中心检测；第六步，利用神经网络预测散射中心的部件结构类型。本发明应用在极化雷达目标识别领域，通过本发明提出的目标部件结构反演方法解决了传统相干极化分解反演目标部件结构类型鲁棒性和辨识度不高的问题，经过仿真验证本发明提出的方法在没有增加运算复杂度和计算时间的前提下准确度更高，十分具备工程应用价值。

摘要： 本发明特别涉及一种基于词袋模型特征点检索的矢量字符识别方法，包括如下步骤：S100、针对任一字符矢量图，读取该矢量图数据得到字符轮廓信息；S200、将字符轮廓信息解析成控制点坐标；S300、将控制点坐标绘制成控制点灰度图；S400、根据控制点灰度图提取ORB特征矢量；S500、将ORB特征矢量作为输入，通过词袋树索引从视觉词典中查找相似度最高的字符ID；S600、通过字符ID映射关系得到该矢量字符对应的字体以及unicode编码。通过以上方案，使得矢量图文件不转格式就能直接进行字符识别，同时还具有如下多个优点：其一，字符识别范围大，准确率高，并可扩展到更大的字符集；其二，字符识别速度快，单字识别速度在1.5ms左右；其三，进行字符识别的同时还可以判断字体。