心电图（ECG）作为一种生物识别技术，对此类攻击具有较高的抵抗力并受到研究者的广泛关注。该方法的，识别率可达95％左右。然而，我们发现，当训练周期和应用周期之间存在明显的间隔时，如果将其自身的实际情况，准确率将突然降低到40％。造成这种突变的首要是：（1）在现有的训练和测试周期中，由于连续样本被用于训练和测试阶段，所提取到的特征具有时间敏感性； 2）在卷积神经网络分类中没有充分利用与性能相关的特征； 3）还没有通过设置最佳参数来为个体获得足够的多有效样本。 ：1）确定随机抽样方法的最佳参数，为个体获得足够的有效样本； 2）提出一种跨时间，频率和能量域提取深度特征的方法，该方法对时间不敏感且个体区分度大； 3）在CNN中约会通道注意模块并修改其激活函数以优化识别性能。我们在PTBDB和ECG-ID数据库上验证了我们的方法。实验表明，识别精度分别达到56.93％和85.94％，比现有方法提高了41.5％和20.7％。

基于CRF 和规则相结合的地理命名实体识别方法

ESN神经网络。一种基于ESN神经网络的移动机器人场景识别方法：从构成场景的图像序列中，提取ORB特征点，再从提取到的ORB特征点中，matlab2021a测试。

大数据-算法-飞机颤振模态参数识别方法研究.pdf

基于卷积神经网络的视频监控人脸识别方法.pdf

随着“平安城市”建设的不断推进，公共安全逐渐成为人们关注的热点间 题，税频监控技术也随之得到了越来越广泛的应用，传统的视频监控系统主要提供采集存储功能，这远远无法满足人们对其智能化的需求。要实现智能化的视频监控系统，以下几个关键问题亟需解决：（1）如何快速发现监控视频中的异常行为，及时给出警报，并最大限度地减少误报和漏报现象；（2）如何在多种不利因素下（如羊样本，低分辨率）对可疑目标进行准确的识别分析：（3）在海量数据的情况下，如何确保视频分析系统的实时性及准确性。 近年来，深度学习在机器视觉、语音识别和自然语言处理等多个领域都取得了优异的成绩，这也为智能视频分析技术的发展带来了新的契机。因此，本文基于深度学习的方法对上述相关问题展开研究，主要研究工作与创新如下： 1，针对监控视频中的异常行为尤其是暴力打斗行为难以准确快速发现的问题，提出了一种基于三维卷积深度网络的暴力检测方法。该方法利用大量带标签的视频数握进行有监督的学习，通过将传统二维卷积核扩展为三维来提取视颈中的运动信息，然后综合利用视频的空间信息及运动信息来构建深度神经网络模型，从而实现对监控视须中暴力打斗的检测。由于深层模型端到端学习的特性，所以不需要设计复杂的手工特征来描述运动信息，从而降低了任务的复杂度。实验结果表明，本文提出的方法在单一场景以及人群密集环境下都可以对暴力打斗行为进行准确识别。 2.针对人脸图像在单训练样本下难以被准确识别的问题，提出了一种基于核主成分分析网络（Kernel Principle Component Analysis Setworks，KPCANet）模型的二阶段投票人脸识别方法。该方法在不使用额外样本数据的情况下，利用非监督深层模型KPCANet对分块后的人脸图像进行训练并利用KPCA学习得到的波器进行特征提取，从而保证了提取的特征对光照及遮挡的鲁棒性，同时也消除了人脸局部形变对识别率的影响。本文通过投票的方法融合每一个分块的预测值来得到最后的识别结果，对于单次投票结果不唯一的情况，本文采取了二阶段的投票方法，通过扩大每一块的预测候选集，并对不同的区域赋子不同的权值来得出最后的结果，从而进一步提升了识别的准确率。实验结果表明，该方法在四个公开人脸数据集上都取得了优异的表现，算法准确率优于使用了额外数据集的通用方法，尤其是在非限制人脸数据集LFW-a上，本文提出的方法比sVDL和LGR方法准确率提升了约15%.

光学图像海面舰船目标智能检测与识别方法研究 光学图像海面舰船目标智能检测与识别方法研究 光学图像海面舰船目标智能检测与识别方法研究 光学图像海面舰船目标智能检测与识别方法研究 光学图像海面舰船目标智能检测与识别方法研究 光学图像海面舰船目标智能检测与识别方法研究 光学图像海面舰船目标智能检测与识别方法研究 光学图像海面舰船目标智能检测与识别方法研究 光学图像海面舰船目标智能检测与识别方法研究 光学图像海面舰船目标智能检测与识别方法研究 光学图像海面舰船目标智能检测与识别方法研究 光学图像海面舰船目标智能检测与识别方法研究 光学图像海面舰船目标智能检测与识别方法研究 光学图像海面舰船目标智能检测与识别方法研究 光学图像海面舰船目标智能检测与识别方法研究 光学图像海面舰船目标智能检测与识别方法研究 光学图像海面舰船目标智能检测与识别方法研究 光学图像海面舰船目标智能检测与识别方法研究 光学图像海面舰船目标智能检测与识别方法研究 光学图像海面舰船目标智能检测与识别方法研究 光学图像海面舰船目标智能检测与识别方法研究 光学图像海面舰船目标智能检测与识别

人工神经网络 模式识别 的一个课程设计， 报告包含实现过程，实现效果介绍，可作为同类课程设计参考

本文提出了基于机器学习的故障识别方法与系统研制。以高速列车牵引系统的故障信息为背景，在对非结构型数据特征研究的基础上，提出了改进的设备故障信息特征词提取方法和设备故障信息关联失效规则提取算法，建立了设备关联失效规则和系统的关联失效模型。基于研究内容，研制开发了复杂设备系统故障数据管理与故障识别原型系统。主要研究工作具体包括：设备故障信息特征词提取方法研究，在分析了目前复杂系统设备故障信息的特性基础上，研究了文本信息分词和特征词提取方法，给出了设备故障信息特征词提取方法。以某高速列车故障信息为例，有效提取了高速列车故障信息中的特征词。备关联失效规则算法分析研究在提取了设备故障信息特征词的基础上，基于关联分析方法，提取设备关联失效规则，建立了设备关联失效模型。以高速列车牵引系统故障信息中的特征词 为例，构建了高速列车牵引系统关联失效模型。设备故障识别方法研究在构建的系统关联失效模型和故障识别方法基础上，提出了模糊故障Petri网的故障识别方法。以高速列车牵引系统的关联失效模型基础，验证了设备故障识别方法的有效性和准确性。设备故障识别系统实现，采用...............

本文围绕面向不均匀样本集的惩罚校正 SVN 分类方法、作物病害图像的病变识别预处理、病变模式识别的数值分析特征提取及 SVN 识别、病变图像模式半监督深度学习特征提取及识别、病变图像模式监督深度学习特征提取和一体化识别 5 个方面的内容展开了深入研究。拓展了机器学习理论及其应用范畴，构造了基于机器学习的作物病变图像识别的数据结构和算法范形。最后，将提出的理论和设计方法应用于工厂化果园生产场景采集的苹果病害图像识别并进行算法级别实验验证，为面向深度学习作物病害图像识别的农业智能系统产品开发设计提供了不菲的参考价值。 主要研究成果和创新点如下： 1. 提出了惩罚校正的支持向量分类算法和校正方法。以 SVN 为基础，探讨惩罚支持向量机处理不平衡样本时，在不同目标尤其是样本稀疏目标的学习错误率上呈现的显著性差异，提出惩罚校正的支持向量分类算法和校正方法。 2. 设计了病害图像识别方位亮度多样性仿真方法。同广泛使用的基准数据集相比，农场果园视频感知设备采集环境复杂，充满着多种干扰，定点、移动方式都难以保证在受限条件和有限次数采样下，采集到代表性图像在各状态下分布均匀的样本集。