時序、圖像特征檢測的理論、方法及應(yīng)用研究.pdf

1、待識對象的特征檢測是各種智能系統(tǒng)（如機器人，醫(yī)療診斷儀器等）實現(xiàn)智能信息處理的基礎(chǔ)，其應(yīng)用的日益廣泛性、任務(wù)的復(fù)雜性、工作環(huán)境的不確定性和特殊性、其自身資源的有限性及特征檢測的時效性、決定了其研究任務(wù)的挑戰(zhàn)性和艱巨性.然而，對特征檢測可靠性和安全性日益增加的需求，又不斷加大了研究解決這一問題的緊迫性.因此，探索準(zhǔn)確高效的特征檢測理論、方法和技術(shù)已經(jīng)成為研究的重要內(nèi)容之一. 本文主要探討如何以基于機器學(xué)習(xí)及相關(guān)途徑相結(jié)合的方式，利

2、用有限系統(tǒng)資源高效實現(xiàn)實時特征檢測的相關(guān)理論與技術(shù)問題.本文著重針對時序和圖像特征檢測方面的問題，提出了一些相應(yīng)的算法.并驗證了其有效性.本文的主要創(chuàng)新點包括 （1）在研究分析OCSVM及PSO模型特點和綜合前人研究成果基礎(chǔ)上，提出OCSVM_CPSO組合式異常檢測模型，實現(xiàn)了系統(tǒng)的自適應(yīng)調(diào)節(jié)，解決了檢測系統(tǒng)的在線運行問題，從而為其現(xiàn)實應(yīng)用掃除了障礙.并將其應(yīng)用于解決機器人傳感器故障檢測的實際問題.取得較好效果. （2）

3、針對SAX模型容易丟失邊界區(qū)信息問題，提出時序數(shù)據(jù)的DLS模型，它根據(jù)時序極值確定劃分的上下邊界，并根據(jù)最大熵確定最佳描述字符集，進而確定最佳劃分間隔，從而能有效減少邊界區(qū)的信息丟失：針對EXT_SAX模型缺陷，提出VSB模型，采用增加分量而非增加符號的途徑來降低計算代價.且用實驗證實它的有效性. （3）提出時序矢量符號的SFVS模型和相應(yīng)的確定時序數(shù)據(jù)最大壓縮比的方法，此模型能夠比SAX提供更全面的描述信息，這有利于在時序特征