谐波小波样本熵与HMM模型的轴承故障模式识别

根据谐波小波分解非平稳振动信号优良特性与隐马尔科夫(HMM)模型的时序模式分类能力,提出了一种基于谐波小波样本熵与HMM模型结合的轴承故障模式识别方法.该方法首先利用谐波小波对轴承各个状态故障信号进行分解,进而由谐波小波三维时频网格图的频率层数特征计算合理的样本熵维数和阈值,依次提取轴承振动信号各层的样本熵构成特征向量序列;然后将序列前120组输入HMM模型中进行训练得到对应故障模型,剩余80组进行测试与识别,通过对比对数似然估计概率输出值确定轴承故障类型.实验通过与BP和RBF神经网络模型进行不同训练组数的正确识别率对比,验证了该组合方法具有识别准确率高,稳定性强的优点.     

应用DS证据理论的雷达工作模式特征层融合识别

日趋复杂的战场电磁环境对雷达工作模式识别提出了更高的要求,针对传统单平台工作模式识别方法的局限性,提出了一种在多平台协同背景下基于Dempster-Shafer(D-S)证据理论的雷达工作模式特征层融合识别算法。该算法运用隶属度函数获得基本信任赋值,根据Dempster合成规则,首先对多平台侦收的同一参数数据进行多平台参数内融合,然后进行参数间融合获得合成信任度,最后依据工作模式判定规则识别雷达工作模式。通过仿真实验,多平台融合识别算法的识别率较单平台识别方法平均提高了27%,实验结果说明融合识别方法有效地提高了识别性能。     

新的模糊似然函数

模糊似然函数是刻画两个模糊集之间相似程度的重要工具，众多学者给出了多种形式的计算方法，但由于实际问题的复杂性，有些方法在某些情况下会产生违反直觉的结论．首先就闫德勤在2001年建议的方法进行讨论，然后证明了一个引理，提出一种新的模糊似然函数，其本质是由模糊集合间l^p距离导出的贴近度．与相关公式比较，发现它们能导出相同的模糊熵，最后给出一个它在模式识别中的应用实例．     

统计模式识别的研究

模式识别的基本目标就是在有监督和无监督的情况下进行分类,在模式识别的各种模型中,基于统计的方法已经被广泛的研究并应用于实际.一些新的技术和方法的引入（神经网络和支持向量机方法）也促进了该领域发展,文章研究了基于统计的模式识别的进展情况,给出了模式识别的概念、原理、方法并对各种方法进行了相关的评述.     

模式识别技术及其在消防通信中的应用

本文主要阐述模式识别系统的组成、模式识别的描述方法等内容,着重介绍模式识别在消防通信中的应用。     

基于神经网络的人脸检测算法研究

针对复杂场景图像中的人脸，提出了一种基于BP神经网络的人脸检测算法，由网络训练和人脸定位两部分组成．可以有效地运用于多人脸、不同尺寸、不同姿态、不同面部表情、不同肤色、不同光照条件和复杂背景的情况。实验结果表明该算法快速有效。     

企业危机预测与识别模型

针对当前大部分企业危机预警模型只能报警,不能预测的现状,提出一种基于指数平滑法与模式识别的预警模型。该方法首先对企业运营的单项特征指标进行预测,然后对预测结果模式识别分类,同时判断企业的危机状态。最后,用实例验证该模型的有效性。     

人工智能在模式识别领域的应用

模式识别是一个不断发展的新学科,它的理论基础和研究范围也在不断发展。模式识别就是通过计算机用数学技术方法来研究模式的自动处理和判读。计算机识别的显著特点是速度快、准确性和效率高。识别过程与人类的学习过程相似。     

基于遗传算法的非线性模式识别

文章设计了一种人工神经网络模型结构,以一种遗传算法进行该模型参数的组合优化建模,将其用于非线性模式识别.该方法不仅对线性问题有效,对非线性问题同样有效;该法简洁易行,优于多段线性分类器设计方法与BP误差回传网络算法.实例表明,遗传算法仅繁殖40代就能达到理想结果,其识别率达100%.     

模式识别与计算机视觉手册第三版

本书的第一、二、三版分别于1993、1999和2005年出版。书中全面提供了过去20年中在模式识别与计算机视觉领域中的进展和成就，作者都是这个领域的第一流专家，其中的两位Thomas　Huang和Jake　Aggarwal是权威的K．S．Fu奖金获得者，该项奖金是由国际模式识别协会（IAPR）授予。