机械设备诊断学的再探讨

本文进一步探讨了机械设备诊断学的基本体系与基本概念.从系统论的观点出发,研究了机械设备的系统特性与系统分类;深化了故障、征兆、特征信号的概念;提出了故障传播过程的实质与故障的特性(层次性、相关性、延时性、不确定性);论述了“超层诊断”.文中从知识推理这一角度出发,进一步讨论了机械设备诊断学的目的、任务、诊断内容与诊断过程.     

快速区域生长与特征提取算法

就灰度图像的分割与目标提取问题，提出了一种快速区域生长和特征提取算法．该算法以水平线段作为区域的基本单元，用堆栈的方法记忆可能存在的禾生长区域的方向。因而区域生长速度快，不需要占用额外的图像缓存区，同时能方便地给出图像的拓扑性质及一些有用的特征．包括图像中物体的个数，每个物体的面积、内孔数、边界长、各阶矩及极点等特征。     

人工神经网络的一种改进的B-P学习算法及其应用

本文首先简要地介绍了人工神经网络(以下简称神经网络)的B—P学习算法,继而分析了B—P算法收敛速度慢的内在原因,讨论一些加速B—P算法收敛的措施,提出了一种改进的B—P学习算法(MB—P)。将这种算法应用于两类含噪飞机图象目标识别系统,并进行了仿真实验。实验结果表明,MB—P学习算法的收敛速度比B—P算法的收敛速度快许多,而且分别用这两种学习算法训练的神经网络对目标具有大致相同的识别率。     

目标特征提取的快速算法

本文利用快速计算图象的终点矩,给出了计算高阶矩不变量的快速算法,使得提取目标特征的运算量大大降低。模拟结果表明,增加特征矢量的维数,即在特征中用到更高阶的矩不变量,可以有效地提高对复杂图象的识别能力。     

用人工神经网络鉴别反应动力学模型

用Sammon算法和B－P网络，Kohonen网络对正戊烷异构化反应动力学模型进行了鉴别，并加以比较，B－P和Kohonen网络成功地鉴别了模型。     

利用神经网络学习的岩体分级

将神经网络理论应用于岩体分级,意在探索出一条更强有力的分级新途径。利用神经网络对已知样本集进行学习,建立各种地质及工程因素与岩体的等价级别之间非线性映射。学习后的网络及权值可用于识别新的岩体的等价级别。主要探讨了PDP模型学习岩体分级的方法,并给出了应用结果。     

建立在SUGENO测度上的最佳拓扑结构聚类方法

Gustafson 和 Kessel 等人为试图识别在同一个数据集合中不同子集类可以有不同拓扑结构这一事实而给出一种最佳 Fuzzy 聚类方法,本文在此基础上,在目标函数中用 Sugeno 测度替代 Fuzzy 划分 m 次幂的权因子,并在不同的子集类中引入不同的拓扑度量,从而建立了一种改进了的 Fuzzy 聚类算法,即 SMFGM 算法(Sugeno's Measure Fuzzy-C Means)。本方法既避免了原有算法中对参数 m 的确定缺乏合理的规则这一困难,又能适用对具有不同子结构形状的数据集进行识别,因而可看作是 Gustafson、Kessel 及 Leszczynski 等人所给出方法的扩充。最后,用本文所提出的方法对四个实例进行了计算,获得了较满意的结果。     

支持层次化和启发式方法的计算机视觉结构

本文提出了一种可有效地减少数据量,适用于计算机视觉的层次化和启发式方法,并介绍实现此种方法的并行结构.文中给出了算法的例子,进一步分析了该结构的效率.     

医学影像系统的数字化开发与利用

论述了医院信息系统中的影像系统的开发与利用过程，通过本系统可实现图像的采集与各种医学数据的汇总，是利用计算机及网络技术对医学影像进行数字化处理的系统；本系统是医院信息处理系统构架的基础部分，主要包括了医学影像的采集和数字化、图像与病案的存储及其医学影像的管理等方面的问题。