强噪声环境下汉语语音识别的模糊分类算法

论述了强背景噪声环境下利用模糊分类算法对大词汇量的汉语语音进行了分类识别，根据噪声的汉语语音特点，采用有边界的交叉分类和无边界的模糊分类相结合的措施，较成功地解决了强噪声环境下的汉语语音分类。     

RBF-DDA 神经网络用于手写体汉字识别的研究

使用了一种新的神经网络模型———动态衰减调节径向基函数（ＲＢＦＤＤＡ），并结合一种新的特征提取方法来进行手写体汉字识别的研究，通过对１００种汉字、１５０００个样本的初步实验，取得了识别率为９９％的良好结果，表明将ＲＢＦＤＤＡ引入到手写体汉字识别的研究是比较成功和可行的。     

智能装配系统中神经视觉的三维物体识别

根据智能装配系统的实际要求，提出了一种利用神经视觉进行三维物体识别的理论和方法，在利用立体象对重建物体的三维外形的基础上，建立物体的区域图，利用物体的三维矩及其不变性来构造代表物体的特征矢量．采用ＡＲＴ２神经网络构成神经网络分类器，把物体的特征矢量作为神经网络分类器的输入，从而对物体进行识别或分类．这种识别或分类方法可以在线学习，能满足智能装配环境下连续作业的要求     

虹膜识别技术中瞳孔特征参数分析

以椭圆形来定义瞳孔,提出了一种计算瞳孔特征参数的方法.用椭圆上的两对点确定椭圆的中心、旋转角度、长半轴、短半轴等参数.实验表明,该方法速度快,检测性能好,可以通过非连续的边缘确定椭圆的参数.最后,比较了该算法确定的椭圆形瞳孔边缘与其它边缘检测算法得到的瞳孔边缘.     

基于粗糙-模糊神经网络的焊接图像缺陷识别

针对焊接图像缺陷识别中提取的特征受噪声干扰比较严重以及现有的识别算法准确率低的问题,提出了一种基于粗糙模糊神经网络的缺陷识别算法。该算法充分利用了粗糙集的属性约简、模糊集的处理不精确数据以及神经网络的自学习、对任意函数逼近的优点,有效地解决了不确定建模过程中样本数据受到噪声干扰、模型结构难以确定的问题。仿真结果表明:该算法能有效地提高焊缝图像的缺陷识别能力。     

一种新的基于DCT变换的人脸表征

DCT变换是一种与KL变换非常相似的次最优变换算法.由于它独立于信号量,并且在维数下降、特征提取方面都非常接近经典的KL变换算法,因此DCT变换已经适用于模式识别领域.文章针对人脸图像,基于DCT变换,提出了一种融合整体DCT变换和分块加权DCT变换提取人脸图像的整体特征系数和局部特征系数,用于人脸表征的新方法.实验结果表明,本方法无论是在识别率还是在时间性能方面都优于传统的KL变换.     

α-苯乙胺的间接高效液相色谱拆分研究

以酰氯A对消旋体α-苯乙胺进行柱前衍生化处理,以正己烷和异丙醇混合体系为流动相,在自制的手性柱(DNB-PG CSP)上对其进行了对映体分离研究,考察了流动相配比对分离因子的影响,研究发现正己烷与异丙醇的体积比为98∶2时,取得了理想的分离效果,分离因子α值达1.26.     

基于概率图模型技术的柱面全景图生成算法

为解决复杂场景下的全景图生成问题,应用了基于概率图模型的图像匹配技术,提出了一套完整的柱面全景图生成算法。采用动态阈值法对从图像中提取的H arris角点进行初步筛选,并结合图模型算法进行精确匹配,通过对匹配后特征点的迭代投影获得摄相机焦距,对原始图像进行柱面投影并融合。该算法具有对光照不敏感和全局最优化的特性,对图像噪声和特征点提取不准确有强健的承受能力,并有效地降低了计算复杂度,使算法更具有实用性。实验结果表明:能够对存在人车移动噪声和相机几何畸变的复杂场景正确合成360°全景图。     

一种用于模式识别的动态RBF神经网络算法

对径向基函数（RBF）神经网络在数据分类中的应用进行了研究．提出一种应用于模式识别的动态RBF训练算法，该算法使用区域映射误差函数并结合资源分配网络（RAN）的“新性”（novelty）条件动态调整网络的隐层节点数，从而可以更加有效地进行模式识别．二分类样本和建筑材料CaO-Al2O3-SiO2系统仿真表明，该改进算法使误差下降更快，减少了训练次数，可以获得精简的网络结构，从而使网络具有较高的泛化能力．     

RS-GA-KNN算法识别灵长类动物DNA序列剪接位点

以灵长类动物DNA序列的剪接位点识别资料为研究对象，将选定样本序列中各碱基编码作为原始变量数据，用粗糙集方法和遗传算法对原始变量数据进行变量筛选，即以粗糙集方法选取的变量为基础，用遗传算法进行变量的二次搜索，从样本序列各碱基中挑选出保守性强的碱基对应的变量构成变量集，采用最近邻聚类识别灵长类动物DNA序列剪接位点类型，总识别准确率达90．66％，明显高于直接使用原始变量数据或将粗糙集理论方法和遗传算法单独用于变量选取的识别结果．