针对小样本条件下遥感图像目标的检测精度受到卷积神经网络过拟合影响的问题,提出一种基于生成对抗网络的数据增强方法,利用判别模型为生成模型同时提供图像的局部决策与全局决策,以提高生成模型生成图像的质量,并将生成的目标与训练集图像进行融合得到新的样本,且新生成的样本不需人工标注。实验结果表明,在原始数据中加入生成数据后,检测识别精度有所提高,且本文方法与基于图像仿射变换的数据增强方法的叠加使用进一步提高了数据增强的效果。

提出一种基于多候选基频提取和歌声基频判别的声乐主旋律提取算法。该算法可以有效降低旋律定位虚警率，提高整体准确率。利用度量距离 (DIS)算法对音乐进行音符切分，并用方差法实现浊音段检测；采用幅度压缩基音估计滤波器 (PEFAC)多基频提取技术，通过计算音高显著度提取每个浊音帧的多个候选基频。最后用维特比算法跟踪浊音段主导基频轨迹，并用基频判别模型进行歌声主旋律判别。在 MIR-1K数据集上进行的实验表明，在信干比为 5 dB和0 dB的情况下，本文算法提取的声乐主旋律整体准确率分别达到了 86.22%和77.4%，相比于其他算法至少提高了3.79%和2.01%。

提出了一种基于模拟退火(SA)算法和最小二乘法支持向量机(LS-SVM)选择可见-近红外光谱特征波长的新方法(SA-LS-SVM)。该方法用LS-SVM作为识别器, 用识别率作为SA的目标函数, 提取合适的特征波长数以及对应的特征波长。3种不同品牌的润滑油可见-近红外光谱的特征波长分别用SA-LS-SVM, 主成分回归分析(PCA)和偏最小二乘法(PLS)进行处理, 提取特征波长或主成分, 然后结合反向传播人工神经网络(BP-ANN)对各种处理方法进行识别预测。结果发现, SA-LS-SVM只需从751个数据光谱中提取4个特征波长, 就可以使三种品牌润滑油的识别率达到了100%, 而其他所有的方法发现预测率都达不到100%, 由此验证了SA-LS-SVM的优越性。实验结果表明, SA-LS-SVM不仅能有效地减少建模的变量数, 而且可以提高预测精度。

为减小人为因素对三角方向鉴别测量的影响, 有效提高测量效率, 研究了以机器视觉系统替代观察者进行三角方向鉴别测量的途径, 建立了一种专门针对三角方向鉴别测量的客观判别模型。该模型以人眼视觉系统对信号的处理过程以及人眼视觉系统的主要效应为基础, 利用方向通道滤波器实现图像信号分解, 通过计算视觉特征矢量相关度, 实现三角形靶标方向的判别。结合凝视型成像系统虚拟样机提供的三角形靶标, 进行了客观判别模型与观察者的判别性能对比实验, 并给出三组不同靶标尺寸下的对比实验结果。实验结果表明, 客观判别模型很好地预测了观察者的判别性能。