李颜瑞
- 作品数：14 被引量：22H指数：3
- 供职机构：山西机电职业技术学院更多>>
- 发文基金：山西省高等学校科技创新项目更多>>
- 相关领域：自动化与计算机技术电子电信文化科学更多>>
- 基于仿生模式识别的眉毛识别方法被引量：1
- 2010年
- 在人类的眉毛已经作为一种独立的生物特征进行身份识别和前人所做的研究的基础上,本文提出了一种基于仿生模式识别的眉毛识别方法.通过实验结果表明,在一个有120人的眉毛信息库上,该方法具有较高的识别率,最高识别率可达91.67%.
- 李颜瑞任小康李颜琦
- 关键词：仿生模式识别眉毛识别
- 基于分块PCA的眉毛识别方法研究
- 2014年
- 通过前人的研究,眉毛已经可以作为一种独立的生物特征进行身份识别.本文提出了一种基于分块PCA的眉毛识别方法.在109人的眉毛库上进行实验,实验分析了阈值和分块数量对识别率的影响,并且识别率最高可以达到92.66%.
- 李颜瑞杨毅
- 关键词：主成分分析眉毛识别
- 基于PCA和SVM的陶瓷零件研磨后的正废品识别被引量：1
- 2021年
- 提出使用主成分分析(PCA)和支持向量机(SVM)对研磨后的陶瓷零件进行正废品检测。首先利用主成分分析法对研磨后的陶瓷零件进行特征提取,然后在支持向量机的算法上进行识别验证。通过实验分析,在阈值取0.93时,对研磨后的陶瓷零件正废品检测的识别率最高。
- 李颜瑞
- 关键词：陶瓷零件主成分分析特征提取支持向量机
- 基于小波变换的陶瓷零件研磨后的正废品识别被引量：1
- 2018年
- 提出了一种基于小波变换的陶瓷零件研磨后的正废品检测方法。该方法经过两次小波变换,提取二层小波变换的近似分量做为特征向量,然后使用近邻法则进行识别。经过试验分析,发现该方法在对陶瓷零件研磨后的正废品的测试上具有一定的可行性。
- 李颜瑞郭学会
- 关键词：陶瓷零件小波变换特征提取
- 加速传感器在运动模式弱标签识别中的应用研究
- 2025年
- 由于运动信息标注的不完整性,导致模式识别过程易出现信息丢失、加速度变化等问题。为此,提出一种利用加速传感器在运动模式弱标签识别中的应用方法。通过加速传感器采集目标在运动过程中的加速度,构建信息采集平台和传感器网络采集动态目标的运动信息。将不完整的运动信息整合成运动模式弱标签集合,并采用语义邻域学习算法对其进行填补,在填补后的弱标签集合中,提取弱标签数据特征,将所有特征的相关统计量按重要程度从大到小排序,并选取前面的特征作为输入,使用决策树完成对运动模式的识别。仿真结果表明,所提方法的识别时间在3.5 s内、置信度在90%以上,相比于其他方法,置信度提高了15%以上,且识别准确率高。
- 李颜瑞郑锦波
- 关键词：模式识别加速传感器
- 产教融合视域下“岗课赛证”与ICT学院融通策略研究
- 2025年
- 在当前全球信息化、智能化时代背景下,ICT已成为经济社会发展的关键驱动力。ICT人才需求激增,对人才质量也提出了更高要求。因此,国家推行“学历证书+若干职业技能等级证书”制度,促进“岗课赛证”相融通教学方式的发展,ICT学院应运而生。基于此,探讨高职院校ICT学院的教育背景及意义,分析高职院校ICT学院课证融通存在的问题,并提出产教融合视域下“岗课赛证”与ICT学院的融通策略,如优化课程设置、提高教师实践能力、改善实训条件、采用项目化教学、开发网络教学空间和在线精品课程及将教学、大赛和证书内容相融合等,旨在通过这些措施,解决当前问题,提升人才培养质量。
- 李颜瑞
- 关键词：高职院校
- 基于小波变换的眉毛识别方法
- 2014年
- 提出了一种基于小波变换的眉毛识别方法.该方法利用小波变换进行眉毛特征提取,选取奇偶行三层小波变换的高频、水平分量、垂直分量和整体二层小波变换的低频部分作为特征,利用最近邻法则进行识别.实验结果对比表明,该方法简单且识别率较高.
- 李颜瑞
- 关键词：眉毛识别小波变换特征提取
- 一种基于DWT-SVD的彩色图像水印嵌入方法被引量：8
- 2011年
- 为了进一步加强多媒体的信息安全和版权保护问题,文中基于离散小波变换和奇异值分解理论,提出将RGB三色通道的水印图像分别嵌入到载体RGB三色通道中,其特点是以彩色图像作为水印.实验结果表明,该算法水印具有不可见性好、嵌入信息量大、抗攻击能力强等特点.
- 任小康范丽白勇峰李颜瑞
- 关键词：离散小波变换奇异值分解数字水印
- 眉毛识别方法综述被引量：4
- 2010年
- 人类眉毛的轮廓,形态和纹理特征具有良好的特异性和稳定性,所以人类的眉毛将可以作为一种独立的生物特征进行身份识别。该文首先对当前已有的眉毛识别方法和作者所研究的眉毛识别方法进行了综述,然后对眉毛识别今后的研究方向进行了阐述和分析。
- 李颜瑞任小康
- 关键词：生物特征识别眉毛识别预处理特征提取
- 基于外部载荷位置预测的光纤传感器故障信号识别技术被引量：4
- 2021年
- 为了解决传感器故障识别过程中识别效率低和精度低的问题,提出了基于外部载荷位置预测的光纤传感器故障信号识别方法。通过合成外差算法和傅里叶变换解调和去噪传感器信号;采用本征模函数提取不同故障下信号特征,并将其分为状态信息和扰动分量两部分,计算二者之间的近似性,结合线性模型提取故障信号特征向量;利用系统灰色性故障识别方法和外部载荷位置预测传感器多角度负载并进行融合处理,构建灰色关联矩阵计算其与标准数据之间的贴近度,完成光纤传感器故障信号识别。仿真分析结果表明,所提方法在故障信号解调、去噪以及识别方面均具有明显的优势。对深入研究传感器起到了一定的推动作用。
- 李颜瑞唐婧壹
- 关键词：光纤传感器故障特征
