基于PCA的人脸识别研究.rar

如何提高左右手运动想象脑电信号的分类率是脑机接口研究领域的一个热点话题。基于美国EGI64导脑电采集系统得到3名健康被试的脑电数据,首先,采用独立成分分析(Independent Component Analysis,ICA)对采集的数据进行去噪处理;然后,利用离散小波变换方法对分解C3/C4处的EEG平均功率信号,选用尺度6上逼近系数A6的重构信号作为脑电特征信号;最后,用Fisher线性判别分析法(Fisher Linear Discriminant Analysis,FLDA)、支持向量机方法 (Support Vector Machines,SVM)和极限学习机分类方法 (Extreme Learning Machine,ELM)分别对特征信号进行分类。分类结果表明:极限学习机分类方法得出的平均分类率要高于Fisher方法与SVM方法的平均分类率,可以达到92%,而且运行速度也高于另两种分类算法。

恶意网页识别研究综述

随着信息技术及互联网技术的飞速发展，网络信息成为一种人们熟知的便捷信息来源和休闲方式，但网络上大量的色情淫秽等不良信息已经严重干扰了正常的网络生活，严重毒害着青少年的身心健康，网络空间的色情传播已在全球引起了关注，如何净化网络环境，增加对网络活动的监控手段，提高信息识别的能力便成为一种强烈的需求，作为其技术支持，基于内容的不良信息识别技术日益引起人们的重视。基于内容的不良图像的识别和检测技术近来已引起人们的极大兴趣，同时它也是基于内容的网络过滤系统所面临的一个重要且亟待解决的研究课题。色情图像的识别问题实际上是一个图像分类问题，我们使用基于内容的方法对图像进行研究，采用统计分类方法实现对色情图像的识剐，采用的关键技术有：肤色检测、目标区域的提取、图像特征的提取、分类器的设计。

针对脑电信号的注意力识别精度问题，本文应用深度森林的算法进行仿真研究。首先对原始脑电信号通过小波分析进行预处理去噪，然后采用深度森林的方法进行分类识别。实验分别对6位受试者在注意和非注意两种状态下的脑电信号进行分析，结果表明，对注意力状态识别的准确率达到了95%以上，同时对通用数据库中清醒和睡眠两种状态下的脑电数据进行识别，也取得了较高的识别率，结果证明了该算法对脑电信号注意力识别的准确率是可靠的。

提出了一种在振荡波电压下高压电缆局部放电模式识别研究，试验制作了4种不同的电缆缺陷，对4种缺陷模型施加振荡波电压并测量局部放电信号及PRPD谱图、PRPS谱图，以谱图正负半轴提取模式识别输入特征量，采用BP神经网络算法对4种不同放电缺陷进行识别，并提出哈希图形算法，识别结果在原有基础上提高了10%。验证该方法的有效性，结果表明：采用BP神经网络和哈希算法结合分析，以谱图的正负半轴提取特征量，能够很好地识别出4种不同的放电缺陷，具有很好的实际应用和参考价值。

Web 2.0时代,消费者在在线购物、学习和娱乐时越来越多地依赖在线评论信息,而虚假的评论会误导消费者的决策,影响商家的真实信用,因此有效识别虚假评论具有重要意义。

分析了当前人脸识别技术在深度学习应用中存在的问题及发展趋势

基于时空聚类算法的轨迹停驻点识别研究.pdf

基于支持向量机的静态手势识别研究，李晓颖，杨春金，手势识别作为一种特殊的生物特征识别方式，与指纹、人脸识别比起来，更加友好便捷，而且在人机交互技术中，用处更为广泛。手势识