基于小波包分析的颅颌面纹理特征提取方法

针对新型生物研究对象颅颌面的研究,提出小波包分析的方法对颅颌面的纹理特征进行提取.特征矢量为 颅颌面预处理后图经过小波包分解后各个子节点的节点能量占总能量的比例.利用该特征矢量,计算相似度,实验 证明,该方法计算简单,特征维数较低,可以有效提取颅颌面的纹理特征.     

颅颌骨三维测量及颅颌面畸形诊断系统的研究

文章介绍了颅颌骨三维形态的计算机辅助自动量构及测量的方法，计算出颅颌骨三维形态４部分１４５项测量项目，并能显示出可多方向观察的颅颌骨立体形态图，在此基础上，依据专家系统设计理论和方法，设计和实现了颅颌面畸形诊断专家系统ＣＭＤＳ。     

生物识别技术

所谓生物识别技术(Biometric Identification Technology)是指通过对人体所固有的生理特征或行为特征的收集、汇总、对比、分析，进行个人身份鉴定的技术。生物特征是唯一的(与他人不同)，可以测量或可自动识别和验证的生理特性或行为方式，分为生理特征和行为特征。     

基于主元分析的人耳图像识别方法

人耳图像的自动识别是一种新的生物特征识别技术.将主元分析法(PCA)应用于人耳图像识别,分别应用BP神经网络和最近邻域法进行分类识别,给出了具体的网络设计与性能比较分析.实验结果表明,应用PCA方法提取人耳图像特征,选择合适的分类器和网络结构,可以取得满意的识别效果.     

基于SVM的刻蚀工艺失效状态识别

针对反应离子刻蚀工艺,研究其状态监测与识别.采用主元分析(PCA)方法对原始数据进行降维,提取出有效的特征子集,再应用SVM建立失效状态的诊断识别模型,分析模型参数对失效状态的分类识别效果.采用主元分析法进行数据降维,从多监控量中提取影响最大的特征子集,再基于支持向量机(SVM)算法建立了失效状态的诊断识别模型,并分析了模型参数对失效状态的分类识别效果.研究结果验证了基于SVM方法的有效性,表明该模型具有高效的模式识别能力,可应用于存在小样本问题的其他半导体工艺状态分类和识别中.     

手形识别中手形处理方法的研究

生物特征识别是人类本身具有的生理特征或者行为为前提,借助计算机判断个人身份的技术。手形识别是生物特征识别的一种方法,以其采集设备简单、识别速度快、稳定性高而成为继指纹识别之后的新的生物特征识别方法。手形边缘信息的准确提取为手形的识别与认证起到了至关重要的作用。在手形的采集和提取过程中,外部引入的噪声会降低手形信息提取的准确性。本文采用改进型中值滤波法和大津法进行自适应阈值搜索,能够快速、准确、有效地提取手形边缘信息的现象。通过实验验证了这两种方法的优越性,为手形认证做了很好的铺垫。     

基于不变矩和SVM的步态识别

步态识别是生物识别领域的研究热点之一,文章首先提取步态序列图像的不变矩,并利用主成分分析法（PcA）进行特征处理,最后使用支持向量机（SVM）进行分类。通过在步态数据库上进行实验,达到了较高的识别率。     

基于类别方差的CCD缠度非接触测量研究

在火炮身管静态参数的检测中,膛线诸参数的识别和提取是一个重要的部分。文中对非接触缠度测量原理以及测量过程做了较为细致的分析;在对大量内膛图像分析与统计的基础上。提出基于类别方差的缠角测量算法。实测验证表明,该算法满足测量精度指标,具有通用性。最后,对系统以及实验结果做了不确定度分析。     

基于主元分析的入耳图像识别方法

人耳图像的自动识别是一种新的生物特征识别技术．将主元分析法（PCA）应用于人耳图像识别，分别应用BP神经网络和最近邻域法进行分类识别，给出了具体的网络设计与性能比较分析．实验结果表明，应用PCA方法提取人耳图像特征，选择合适的分类器和网络结构，可以取得满意的识别效果．     

岩心驱动下的流体敏感性参数分析—以岐口凹陷中部联盟油田板桥组为例

基于流体识别因子敏感性的分析,有助于认识储层流体特征和分布规律。岩石物理参数实验测量是提取饱含不同流体时的岩石物理弹性参数最为直接的方法,为满足大港油田岐口地区油气勘探开发的需要,选取该区主力产能系板桥组14口井28块岩心样品进行岩石物理参数测量,利用高温高压条件模拟地层环境,通过驱替方法测出岩心样品在饱气饱水状态下的各种弹性参数,综合定性描述交会图技术和定量计算流体识别因子,得出储层流体的识别效果组合比单个流体识别因子更为显著,其中组合流体识别因子ρf对储层的气水识别最为敏感,为该区后续地震资料叠前反演该流体识别因子识别储层流体类型提供了重要的依据。     

交叉表在市场调查中的应用

针对市场调查收集的分类数据以实现客户定位和交叉销售为目标,以交叉表分析为基础,利用信息论和关联规则分析中的相关理论设计了一套集数据关联性分析和业务规则提取于一体的数据分析方案.并利用该方案完成了从一个实际调查数据中提取有价值业务规则的案例.     

基于交通信息提取的区域交通状态判别方法

为了准确判别区域路网的交通状态,提出了基于交通信息提取的区域交通状态判别方法．在分析区域路网交通流宏观特性的基础上,结合区域路网的拓扑结构与交通流特征,提出区域交通状态判别指标体系,并基于可拓学建立了区域交通状态判别模型．以一个主干道区域路网为例,验证了路网交通状态判别方法的有效性．该交通状态判别方法可应用于在线交通状态分析和历史数据库交通运行特征的提取,为交通管理决策提供了基础信息．     

基于小波包分析与支持向量机的电力电子整流装置故障诊断

针对当前电力电子整流装置使用的故障诊断方法在应用过程中表现出的缺陷,提出了一种基于小波包分析与支持向量机的电力电子整流装置故障诊断方法：首先使用小波包分析方法对故障信号波形进行分解,提取故障特征向量,然后使用支持向量机理论构造多分类故障分类器对提取的故障特征向量进行分类.仿真实验结果表明,该方法能够有效地完成对电力电子整流装置的故障诊断,具有很好的工程应用价值.     

模糊规则挖掘的粗糙集约简算法

基于粗糙集理论，改进了C-D分辨矩阵，并设计了计算条件核属性的方法。通过分析指出了第二种条件核属性的计算方法，可以避免求取C-D分辨矩阵，降低程序的复杂度。以条件核属性为基础，提出一种适用于获取模糊规则的数据约简算法，并通过仿真研究说明了该数据约简、模糊规则挖掘方法的有效性。     

采用图像增强的图像特征点匹配算法

首先,利用直方图均衡化、基于照明-反射模型的同态滤波和基于Retinex理论的3种图像增强方法,对收集到的图像进行预处理;然后,对预处理后的图像应用SIFT,SURF和ASIFT算法进行图像特征提取和匹配.研究结果表明:经直方图均衡化处理的图像,用SURF提取的图像特征点匹配率较高;同态滤波预处理图像的方法,经SIFT算法提取图像特征点的匹配率较高.     

Application of Decomposition and Denoising of Gearbox Signal Based on Morphological Component Analysis

Morphological component analysis( MCA) is a signal separation method based on signal morphological diversity and sparse representation. MCA can extract the signal components of different morphologies by different dictionary combinations. Firstly,the theory of MCA was analyzed with sparse representation principle and relaxation criterion. Then detailed steps of block coordinate relaxation( BCR) were given. Finally,algorithm performance was verified by simulation signals analysis, MCA was applied to decomposing and denoising gearbox signals, and the fault parameters were extracted by energy operator demodulation envelop of morphological component.     

周期平稳故障信号分析

针对周期平稳故障信号的特点,给出了时域、频域、时频域分析以及统计理论分析方法.首先,利用周期平稳信号的特点,采用季节性模型,对周期平稳信号进行建模,并作预测预报;其次,采用循环平稳度、循环相关谱等周期平稳信号的特征量有效地获取其他方法难以获得的信息;通过实例给出了进化谱理论及其应用方法,结果表明进化谱在故障诊断中有着较好的分析作用;最后,采用时频域分析较好地分析出非平稳信号的各种尺度信号的特征.     

以组合故障案例为证据的一种诊断推理方法

针对单纯依靠案例特征之间的相似性进行推理、结果中将存在不确定性信息的问题,通过引入证据理论,将搜索结果中的故障模式构成目标识别框架,并基于案例之间的相似度,给定各故障模式的基本概率赋值.利用证据理论的组合规则,对搜索出的相关案例样本进行信息融合,从全局相似度中有效地分离出案例对特定故障模式的确定性信息,从而降低了推理结果中故障模式的不确定性信息.对大机组实际故障数据的应用,证明了方法的有效性,为组合故障的案例推理提供了解决思路.     

基于小波模极大值的点焊缺陷边缘检测

基于小波模极大值边缘检测原理，推导出一类具有良好反对称性的无限光滑小波并运用于点焊缺陷的边缘提取。实验表明，该方法能有效地提取缺陷边缘，并能获得较好的效果，从而为小波理论在工业X射线无损检测中的应用作了初步探索。     

润滑油磨粒超声回波信号的双树复小波自适应降噪

针对润滑油磨粒含有强噪声的回波信号的问题,采用基于双树复小波变换(DT-CWT)的自适应降噪方法,从而提取清晰的磨粒回波信号. 该方法结合奇异谱分析(SSA)和小波熵理论,分别对双树复小波变换后的近似部分和细节部分进行分析. 奇异谱分析去除了近似部分包含的噪声,同时,小波熵理论能够自适应选取不同分解层上的阈值,实现了细节部分系数的自适应选择. 仿真表明,对于润滑油磨粒超声回波信号的双树复小波自适应降噪,输出信号信噪比(SNR)高、均方根误差(RMSE)小、相似系数(NCC)大,算法运算时间能够满足在线检测要求. 实验分析表明,该方法降低了信号中的噪声,还原了准确的波形特征.