简介:极化是雷达目标具有的特性之一。以电磁散射计算仿真的圆锥形弹头模型、球形和圆柱形诱饵模型为研究对象,在极化不变量理论基础上对这些简单目标的极化特性进行了试验分析研究,提出了一种新的组合极化不变量特征(功率矩阵迹与行列式的比值)用于雷达目标识别,并给出了其对应实际的物理意义。文中以SVM为分类器,提出基于功率矩阵迹、去极化系数和功率矩阵迹与行列式的比值特征进行分类识别,结果表明,该方法可以有效地将弹头和诱饵进行分类识别。
简介:摘要:近几十年来,在业内专家学者的努力下语音识别技术取得显著进步,已经从实验室走向市场。在这个过程中,深度学习和神经网络的发展做出不少贡献,但神经网络依赖大量数据而且神经网络模型具有不确定性,当训练数据与目标数据分布存在差异时识别效果可能非常差。在一些领域我们对识别系统的精度要求非常高。我们已经明显感觉到,语音识别技术在工业、家电、通信、汽车电子、医疗、家庭服务、消费电子产品等各个领域都可以发挥重要作用。探索使用HMM模型来识别孤立词在我们的生活中具有重大意义。隐马尔可夫模型是成熟的模型,在语音识别,机器视觉等多个领域有着广泛的应用。隐马尔可夫模型能够很好地为语音等序列数据建模,可以很好地描述序列数据之间的关系。隐马尔可夫模型与GMM模型的完美融合可以使HMM模型在语音识别中更好地对状态进行建模从而提高识别率。因为GMM模型的加入使得HMM的观测矩阵更真实地贴近观测概率。加入GMM的HMM模型经过5个人的数据的训练其识别精确度可以达到87%。在数据量得到扩充的前提下效果有望达到100%。
简介:继去年秋季Sony发布VGN—T70B/T5OB之后.今年夏季Sony将推出其升级版本T72B/T52B14Kg和8小时续航能力,保持了T系列轻薄长效的特点.Sony还首次加入TFeliCa指纹识别技术,使其轻薄与性能堪比IBMX41。
简介:摘要:随着互联网技术的发展和应用,网络安全威胁识别与防御已成为当前亟需解决的问题。本研究采用大数据技术,对网络安全威胁进行识别与防御研究。基于大数据分析框架,对海量网络数据进行分析和处理,采用机器学习方法对网络流量中的异常行为进行准确识别,并构建了实时威胁识别与防御模型。研究结果表明,与传统网络安全防御策略相比,这种方法在识别网络异常行为和应对网络攻击上更具有效性和实时性,大大提升了网络安全防护的能力。此外,本研究进一步对比了不同机器学习算法在网络安全威胁识别中的性能和效率,为选择更为高效的网络安全防御策略提供了有益参考。本研究有助于促进网络安全威胁识别技术的发展,提高网络安全防护的预警水平和应对能力,充分发挥大数据在网络安全领域中的优势。