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。     

一种用于模式识别的多色Voronoi图

提出了一种新的Voronoi图———多色Voronoi图 ,并证明了它的一些重要性质。多色Voronoi图是在Voronoi图的构造过程中 ,根据数据集的特性给Voronoi图染色的结果。用多色Voronoi图概念设计的模式分类器(MCVC)是一种非线性多类别最优分类器 ,可以解决线性可分和线性不可分问题 ,同时MCVC对新增加的训练样本具有快速局部学习能力 ,这种局部学习能力克服了神经网络方法常出现的过学习问题 ,很类似于人对概念的学习。将多色Voronoi图概念用于支撑矢量机的构造中 ,进行支撑矢量的预选取 ,可以提高支撑矢量机的学习速度     

基于小波分析的雷达引信故障诊断和预报算法

提出了一种雷达引信故障诊断和预报的新算法。该算法利用时间序列的信息熵构造信息花费函数,以雷达引信的实测数据为基础选取好小波基,利用小波的多尺度分辨分析对雷达引信的漏脉冲进行分析,以互相关和统计算法分别建立了雷达引信正常工作和故障状态下的模型。实验结果表明,该算法能定量地分析雷达引信的工作状态,准确地预报雷达引信的故障程度。     

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%.     

基于多信息处理的肉类新鲜度检测方法研究

为找出一种快速、有效、科学的检测肉类新鲜度的方法,分析了肉类新鲜度检测辨识机理,构建了一套基于电子信息技术、光电检测技术、图像处理技术以及神经网络模式识别技术的智能检测辨识系统.通过对猪肉样本的测试与分析表明,该系统可实时准确地识别肉类新鲜度.此外,该方法可应用到其他相关检测领域,研究成果具有重要的现实意义.     

复杂仪器仪表盘面背景中目标字符的提取与识别

提出了一套针对复杂仪器仪表盘面图像背景的拟人化的目标字符提取和识别的技术方案．该方案综合了多种图像处理和分割方法，取长补短，综合优化，排除了复杂图像背景中的各种干扰因素，对图像变化有一定的自适应能力．该方案在给定的图像样本中取得了很好的识别效果，达到了实用化的水平．仪器仪表盘面的图像处理与识别是非电子设备与现代电子设备的接合点之一，因而这一具有指导意义的技术方案有广阔的应用背景．     

煤矸石在线识别与自动分选系统的研究

煤矸石是影响煤炭质量的重要因素，传统的煤矸石分选方法生产效率低，劳动强度大，容易造成环境污染。本文探讨了一种采用模式识别技术进行煤矸石在线识别与分选的新方法，介绍了煤矸石识别的基本原理，论述了系统的构成，讨论了图像处理的方法。     

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。     

基于支持向量机的人脸识别算法

特征提取是人脸识别问题中的一个普遍问题,主要是指通过变换将图像空间中的人脸转化到人脸特征空间中,其目的是用最少的数据量表示原始图像的最多的信息.其中Fisher脸法是常用的特征提取方法,本文采用Fisher脸法和支持向量机的方法,构造了一个能够将图像数据空间的人脸映射到人脸特征空间中,并实施识别的实验系统.分析了该系统的构成与特点,并给出了实验测试结果.     

神经网络技术在油井故障自动诊断中的研究与应用

提出了识别泵功图新的思路和方法,采用差分曲线法对大批油井功图进行自动识别处理,对识别出的有故障的油井采用神经网络技术对故障进一步定位.