作者:查长军,孙南,张成,韦穗 单位:吉林大学 出版:《吉林大学学报(工学版)》2013年第01期 页数:5页  (PDF与DOC格式可能不同) PDF编号:PDFJLGY2013010430 DOC编号:DOCJLGY2013010439 下载格式:PDF + Word/doc 文字可复制、可编辑
《基于光纤传感器的目标识别研究》PDF+DOC2016年第03期 刘友江 《一种新的度量证据相似性测度方法》PDF+DOC2016年第01期 胡丽芳,初军田,陈国玖,孙振华 《高距离分辨像雷达目标识别》PDF+DOC2004年第02期 闫锦,黄培康 《稀疏分解在雷达一维距离像中的应用》PDF+DOC2013年第01期 郑纯丹,周代英 《基于概念空间学习认知的机器人目标识别方法》PDF+DOC2012年第11期 刘炳尧,秦世引 《主成分分析在震动信号目标识别算法中的应用》PDF+DOC2012年第07期 鲍必赛,楼晓俊,李隽颖,刘海涛 《电子鼻技术在苹果质量评定中的应用》PDF+DOC2004年第03期 潘胤飞,赵杰文,邹小波,刘木华 《电子鼻对干酪识别的数据预处理和特征提取》PDF+DOC2007年第S1期 芦筱菲,郑丽敏,贾宗艳,朱虹 《基于多传感器的数据融合方法和模型研究》PDF+DOC2006年第06期 洪少春 《基于多权值神经网络的老人跌倒智能识别研究》PDF+DOC2015年第04期 羌予践,华亮,陈玲,顾菊平,沈煜
  • 针对轮廓检测系统输出采样信号的特点,结合稀疏表示及主成分分析理论,提出了一种基于稀疏表示的特定目标识别方法。该方法首先通过主成分分析提取采样信号的主要成分以消除冗余信息,同时将信号转换为相同维数的特征向量,然后将特征向量投影到低维空间构造出字典,通过该字典对测试信号进行稀疏表示、识别。数值仿真与现场实验结果表明:该方法在低维空间下具有很好的识别效果;并结合实际情况,对有损坏传感器的系统进行测试,结果表明本文方法具有较好的鲁棒性。

    提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。