矩阵码的自组织特征映射识别研究

基于Ｋｏｈｏｎｅｎ自组织特征映身网的自组织性、自适应性及对输入信号的高容错能力，运用无导师动态竞争学习方法对较模糊的矩阵码进行识别，取得了较好的效果，对网络的训练采用了采用带噪声的矩阵码数据，大大提高了系统的辨识能力，试验表明，该方法为矩阵码的识别提供了一有效的途径。     

关于由广义Hardmard矩阵构造的码

定义了一种广义Hadamard矩阵，讨论了广义正规Hadamard矩阵的一些特性．利用广义正规Hadamard矩阵构造了一种码，它们是自对偶的双偶码。     

一种表示机织物多层组织的新方法

提出了一种表示机织物多层组织的新方法——经纱位置码矩阵，并在此基础上提出了相应的纹板图设计方法．经纱位置码矩阵以数码描述经纱在各组织点中的空间位置，可表示任意层数的多层织物，使任意层数多层织物的纹板图设计变得相当容易．     

Z_8上的自对偶码

求出了Ｚ８上码的生成矩阵及校验矩阵，并由此得到了Ｚ８上的码为自对偶码的必要条件是其码长为偶数；证明了满足一定条件的一对４元码可以构造出Ｚ８上的自对偶码，并给出了构造８元自对偶码的一个方法     

光正交码的码字特性

研究了光正交码的自相关和互相关特性，采用差分矩阵建立计算机模型，优化了算法，并对光正交码的容量进行分析，得出容量与码长、码重和相关系数之间的内在关系．     

基于自组织映射网络的齿轮故障分类识别

分析了自组织映射网络算法，在U-矩阵方法基础上提出了一种改进的可视化训练结果方法，并应用于齿轮故障的模式识别，研究表明，自组织映射网络能对齿轮状态进行正确分类，有效识别故障模式，改进的可视化方法能更加清楚地显示网络训练结果，两者结合可以扩展应用于机械设备的状态监测和故障识别。     

Z8上的自自偶码

求出Ｚ８上码的生四及校验矩阵，并由此得到了Ｚ８上的码为自对偶码的必要条件是其码长为偶数；证明了满足一定条件的一对４元码可以构造出Ｚ８上的自对偶码，并给出了构造８元自对偶码的一个方法。     

由Hadamard矩阵构造的码

由Hadamard矩阵构造的码称为Hadamard码.文章根据Hadamard矩阵,用不同的方法构造出新的0,1矩阵,以此为生成矩阵生成了一类特殊的码;研究它的一些性质,证明了二元码C(2n-2, n-1)是自正交码的充分必要条件是n≡4(mod8),以及二元码C(2n-2, n-1)是自正交码的充分必要条件是二元码C(2n-2, n-1)是自对偶码.     

基于后验概率的低密度奇偶校验码逆向识别方法研究

提出一种基于后验概率对数似然比(LLR)均值的逆向识别低密度奇偶校验码(LDPC)校验矩阵的方法。通过估计接收码字的信道增益以及信道噪声方差值, 得到后验概率对数似然比, 并依据后验概率对数似然比均值最大化原则, 成功实现对 LDPC 码校验矩阵的逆向识别。仿真结果表明, 在加性高斯白噪声信道条件下, 利用所提出的LDPC 码逆向识别技术, 接收方可准确无误地找到发送方使用的LDPC 码校验矩阵。     

基于混合神经网络的图像分类矢量量化方法

介绍了一种基于自组织特征映射（SOFM）神经网络图像压缩的传统算法．通过对传统压缩算法的分析，提出了一种新的简单易行的分类矢量量化方法．新方法采用边缘检测，主元分析（PCA），自组织特征映射来设计码书，大大提高了图像的客观指标和主观视觉效果．实验表明，此方法效果明显优于传统的SOFM图像压缩算法．     

二进制本原BCH码的参数盲识别

针对BCH码的盲识别问题,提出一种基于欧几里德算法的最大公因式的识别方法.首先,根据循环移位码字求取最大公因式,得到最大公因式的系数矩阵.然后,分析最大公因式的次数分布规律确定码长,由系数矩阵求出生成多项式.该识别方法简单易行,无繁杂的矩阵运算.理论分析及仿真实验表明,无误码时使用较小的数据量就可有效识别;误码率为10-2,数据量足够时,识别效果仍然较好.     

面向函数的代码克隆检测

在软件开发过程中绝大多数克隆代码集中在函数内部,为了更加快速有效地检测出克隆代码,提出了一种基于函数内部特征矩阵的代码克隆检测算法。该算法通过提取函数内部特征,从而达到将具体代码的比较转化为对特征矩阵进行相似度计算。实验结果表明,该算法可以检测出所有克隆函数,并与基于字符串代码克隆检测算法和基于串匹配的程序代码相似性识别方法相比,该算法在运行时间及精度上均优于基于字符串代码克隆检测算法和基于串匹配的程序代码相似性识别方法。其次,通过使用N-grams算法对函数名进行相似度检测,使得该算法在运行效率上得到了显著提升。     

自组织神经网络在空中目标识别中的应用

本文研究了将自组织神经网络用于空中目标识别的方法,并基于此提出一个识别飞机及其诱饵红外图象的方案,提出目标表面的分形特征和熵特征,针对各特征量纲不统一,信息表达方式差异等特点,利用自组织神经网络来实现特征间的有效融合,实验表明,该方法具有较高的稳定性和准确性。     

语音识别中的BP神经网络改进

语音信号是受说话人、环境等因素影响的复杂函数,人工神经网络（ANN）模型进行语音识别具有自适应、自组织及联想等特征,适合用于语音识别。主要研究了传统BP神经网络在实际语音识别中的改进方案。利用改进后的方案实现语音识别、网络结构简化、运算速度加快、训练时间缩短。     

面向快递分拣的二维码定位与校正方法

为了提高快递分拣系统的效率和自动化程度,提出将二维码技术应用到快递分拣系统中。但由于快递分拣环节中的快件位置随机性和流通环节中的快件表面磨损等因素,影响着二维码识别准确性。为此,提出利用二维码结构特性实现快递单二维码的定位,以加快识别速度,并针对上述问题造成的二维码畸变和磨损情况,提出了一种基于改进Canny算法的二维码畸变校正方法,实现快递单二维码图像的畸变校正以提高快递分拣识别率。实验表明,定位方法定位准确率为92%且计算速度快;畸变校正方法可以改善快递分拣中因二维码畸变导致的识别率低的问题。     

基于回声状态网络优化的宽间隔混沌跳频码预测研究

传统宽间隔混沌跳频码预测方法无反馈结构,记忆能力差;且训练过程烦琐,泛化性能差,对预测精度产生不好的影响。为此,提出一种新的基于回声状态网络优化的宽间隔混沌跳频码预测方法。设计回声状态网络,其由输入层、递归层以及输出层三个部分构成。在递归层内部各神经元间引入连接权值稀疏矩阵,使递归层内部存在动态记忆。回声状态网络储备池规模、储备池内部连接权谱半径、储备池稀疏度、储备池输入单元尺度对宽间隔混沌跳频码预测准确性产生不同的影响。通过和声搜索方法对四种储备池参数进行优化,实现回声状态网络的改进。确定优化回声状态网络输入输出数据,建立优化回声状态网络。确定储备池参数,通过训练数据激活储备池,计算回声状态网络输出连接权矩阵,对宽间隔混沌跳频码进行预测。实验结果表明,所提方法预测结果可靠,和其他方法相比有很高的预测精度。     

模糊神经网络控制器的设计与仿真

提出了一种复杂系统模糊建模及控制的神经网络方法,通过ＢＰ神经网络,对模糊规则的结论参数和隶属函数进行在线修正,实现模糊规则的自组织,这种控制方法可用地对受控对象缺乏精确的数学模型或具有时滞,高阶,非线性等难以用现有的控制理论分析方法和控制的复杂系统,仿真结果证明了这种方法的有效性。     

基于Android的二维码食品药品回溯系统

为便于消费者查询所需食品和药品的详细信息,提出了基于Android的二维码食品药品回溯系统。采用快速响应(QR: Quick Response)矩阵码, 对信息中汉字进行准确编码, 基于Android 4.0.3嵌入式硬件开发平台, 实现识别界面和显示界面等功能界面的设计。通过无线网络与MySQL(My Structured Query Language)数据库进行数据传输, 实现信息查询、 录入等操作。测试结果表明, 在二维码扫描过程中该系统具有良好的抗干扰性, 在以最大旋转角45°对二维码进行扫描时, 仍可对信息进行有效识别。同时依托Android系统较强的移动性, 该系统可得到更广泛的应用。     

模糊逻辑方法在纠错码中应用

基于现实世界中模糊信息的背景,利用模糊逻辑方法讨论如何对模糊信息进行编码与传输的问题。提出能对模糊信息进行编码的模糊纠错码,讨论了重量、距离、译码准则等基本概念。分析了模糊纠钷码的优点及其与普通划码的关系,并给出了利用模糊纠错码的通信系统模型。建立了线性模糊纠错码的概念,研究了生成阵、校验阵、对偶码等性质。最后批出利用模糊神经网络技术实现线性纠错码的编码方案和译码技术,译码模拟结果显示了性能优势。