2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩91頁未讀 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領

文檔簡介

1、單傳感器提供的信息具有自身的局限性,而多傳感器協(xié)同能夠綜合利用各傳感器的信息。因此本文研究了基于多傳感器協(xié)同的目標識別系統(tǒng),充分的利用各傳感器的提供信息進行互補,實現(xiàn)對目標的全天時、全方位、準確的識別,具有很重要的理論意義和實際應用價值。主要工作包含以下內(nèi)容:
  1)針對本文要實現(xiàn)的目標識別系統(tǒng),本文采用了4種特征,分別是Hu矩、仿射不變矩、小波矩和灰度共生矩陣。對每種特征進行了詳細的分析和計算過程的展示,最后通過實驗證明了這四

2、類特征具有類間可分性和同類不變性。
  2)在主成分分析(PCA)算法的基礎上,提出了一種基于PCA-KCCA的特征融合方法。該方法首先利用用PCA對特征數(shù)據(jù)進行降維處理,然后再在利用核典型相關分析(KCCA)方法求解融合特征。通過實驗驗證了方法的可行性,并且得到很好的識別率。
  3)在研究了傳統(tǒng)模糊支持向量機方法的基礎上,提出了一種基于模糊 K近鄰的模糊支持向量機方法。該方法首先根據(jù)樣本與樣本中心點距離計算出樣本的初始隸

3、屬度。然后再按照模糊 K近鄰方法計算樣本的隸屬度,最后將初始隸屬度和模糊 K近鄰隸屬度以一定比例融合,得出樣本的最終隸屬度值,并應用到模糊支持向量機上。通過識別實驗對傳統(tǒng)的SVM、FSVM以及基于模糊K近鄰的FSVM的算法性能進行了比較和分析。
  4)在上述算法的基礎上,本文提出了一種基于多傳感器協(xié)同的目標識別系統(tǒng),該系統(tǒng)主要包括數(shù)據(jù)采集模塊、特征提取模塊、多傳感器協(xié)同模塊、數(shù)據(jù)庫管理模塊、識別模型訓練模塊、目標識別模塊和目標定

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論