基于稀疏表示的多类融合样本中特定目标识别

发布时间：2018-04-18 03:00

本文选题：信息处理技术 + 无线传感器网络　；参考：《吉林大学学报(工学版)》2014年03期

【摘要】：针对WSN及轮廓检测系统的特点,给出了一种基于WSN的数据处理方法。该方法首先通过主分量分析提取样本特征,然后采用叠加方式对不同样本的特征进行融合,给出数学模型;并以此模型为基础,提出一种新的基于稀疏表示的多类融合样本中特定目标识别算法,该算法根据超完备字典下主要非零系数的分布情况识别出特定目标;数值仿真与实验结果验证了本文算法的有效性,综合性能优于传统方法。
[Abstract]:According to the characteristics of WSN and contour detection system, a data processing method based on WSN is presented.The method firstly extracts sample features by principal component analysis (PCA), then fuses the features of different samples by superposition method, and gives the mathematical model, which is based on this model.A new algorithm based on sparse representation for specific target recognition in multi-class fusion samples is proposed. The algorithm identifies specific targets according to the distribution of the main non-zero coefficients in an overcomplete dictionary.Numerical simulation and experimental results demonstrate the effectiveness of the proposed algorithm and its performance is superior to that of the traditional method.
【作者单位】：安徽大学计算智能与信号处理教育部重点实验室;合肥学院机器视觉与智能控制技术重点实验室;合肥师范学院数学系;
【基金】：NSFC-广东联合基金项目(U1201255) 高等学校博士学科点专项科研基金项目(20113401130001) 国家自然科学青年基金项目(61201227) 安徽省自然科学基金青年项目(1208085QF114) 安徽省高校省级自然科学一般项目(KJ2011B131,KJ2013B224)
【分类号】：TN929.5;TP212.9

【参考文献】