作者：罗涛,冯玉田,王瑞 单位：中国计算机自动测量与控制技术协会 出版：《计算机测量与控制》2019年第08期 页数：6页  （PDF与DOC格式可能不同） PDF编号：PDFJZCK2019080330 DOC编号：DOCJZCK2019080339 下载格式：PDF + Word/doc 文字可复制、可编辑
《基于加权稀疏表示分类的车辆识别》PDF+DOC2018年第06期 罗涛,冯玉田,唐子成,毕超 《基于HHT的声频传感器车辆分类识别》PDF+DOC2016年第06期 毕超,冯玉田,李园辉,刁志蕙 《复杂场景下声频传感器网络核稀疏表示车辆识别》PDF+DOC2015年第04期 王瑞,王康晏,冯玉田,张海燕,金彦亮,张有正 《基于协同表示的声振传感器网络车辆分类识别》PDF+DOC2018年第01期 王瑞,刘宾,周天润,杨羽

    • 加权稀疏表示分类(WSRC)在声频传感器网络下的车辆识别中取得了不错的效果；但是稀疏表示分类(SRC)中实际上起较大作用的是字典中所有类的协同表示，因此协同表示分类(CRC)被提出用来提升算法效率，CRC框架还改进了残差计算方式来提高识别精度；在WSRC中发现保局性对提升识别率起到很好的作用，因此在CRC中引入加权编码，提出了声频传感器网络下基于加权协同表示分类(WCRC)的车辆识别方法，取得了明显的速度(相比WSRC、SRC)以及不错的精度(对比WSRC、CRC、SRC)提升；同时针对欧氏距离对样本相似性判断的不足，将曼哈顿距离引入加权编码，进一步地提出了基于曼哈顿距离加权协同表示分类(Manhattan-WCRC)的车辆识别方法，取得了最高的识别率，而运算速度与WCRC接近。

    📙 相关资料

    1. 《基于加权稀疏表示分类的车辆识别》PDF+DOC 不同种类的车辆自动识别能够在很大程度上给人们提供便利，而通过声波来区分车辆的类型是可行的。由于声频信号和自然信号一样都具有稀疏性，稀疏表示分类(SRC)算法同样适用于车辆声频识别领域。但是SRC算法没有考虑样本的局部性，即没有考虑测试样本和每一个训练样本之间的相似性，从而导致识别效果不够优异。为了解......
    2. 《基于HHT的声频传感器车辆分类识别》PDF+DOC 针对传统语音信号识别过程中出现的识别率较低或者是计算时间复杂度高的问题，提出了基于希尔伯特黄变换(HHT)的快速声频传感器车辆识别方法。该方法将HHT算法和语音信号特征提取中常用的梅尔倒谱系数(MFCC)相结合，形成一种新的特征提取方法。实验中，将这种方法分别与K-近邻算法(K-NN)、支持向量机算......
    3. 《复杂场景下声频传感器网络核稀疏表示车辆识别》PDF+DOC 提出一种基于核稀疏表示的声频传感器网络车辆识别方法.首先利用Mel频率倒谱系数提取车辆声音特征；然后采用核方法将其投影到高维特征空间以实现线性可分，将线性稀疏表示扩展到核域空间，构建过完备字典，求解核稀疏最优化问题对目标车辆进行分类.实验验证了该算法在声频数据集结构复杂的情况下，能有效地识别目标车辆......
    4. 《基于协同表示的声振传感器网络车辆分类识别》PDF+DOC 针对使用单一信号分类的现有车辆识别技术的不足，提出了一种基于声音信号与振动信号协同表示的车辆分类识别方法.利用梅尔倒谱系数(MFCC)提取车辆的声音信号和振动信号特征，分别对提取的2种信号特征进行多任务训练分类，以获得多任务协同表示的重构误差并对其进行加权处理，得出被检测目标的分类识别结果.结果表明......

    提示：百度云已更名为百度网盘（百度盘），天翼云盘、微盘下载地址……暂未提供。