時(shí)序、圖像特征檢測(cè)的理論、方法及應(yīng)用研究.pdf

1、待識(shí)對(duì)象的特征檢測(cè)是各種智能系統(tǒng)（如機(jī)器人，醫(yī)療診斷儀器等）實(shí)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(cè)的時(shí)效性、決定了其研究任務(wù)的挑戰(zhàn)性和艱巨性.然而，對(duì)特征檢測(cè)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(cè)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(jī)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(shí)現(xiàn)實(shí)時(shí)特征檢測(cè)的相關(guān)理論與技術(shù)問題.本文著重針對(duì)時(shí)序和圖像特征檢測(cè)方面的問題，提出了一些相應(yīng)的算法.并驗(yàn)證了其有效性.本文的主要?jiǎng)?chuàng)新點(diǎn)包括 （1）在研究分析OCSVM及PSO模型特點(diǎn)和綜合前人研究成果基礎(chǔ)上，提出OCSVM_CPSO組合式異常檢測(cè)模型，實(shí)現(xiàn)了系統(tǒng)的自適應(yīng)調(diào)節(jié)，解決了檢測(cè)系統(tǒng)的在線運(yùn)行問題，從而為其現(xiàn)實(shí)應(yīng)用掃除了障礙.并將其應(yīng)用于解決機(jī)器人傳感器故障檢測(cè)的實(shí)際問題.取得較好效果. （2）

3、針對(duì)SAX模型容易丟失邊界區(qū)信息問題，提出時(shí)序數(shù)據(jù)的DLS模型，它根據(jù)時(shí)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(jìn)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(duì)EXT_SAX模型缺陷，提出VSB模型，采用增加分量而非增加符號(hào)的途徑來降低計(jì)算代價(jià).且用實(shí)驗(yàn)證實(shí)它的有效性. （3）提出時(shí)序矢量符號(hào)的SFVS模型和相應(yīng)的確定時(shí)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(shí)序特征