特征选择方法中的信号分析方法研究

特征选择是模式识别领域中最重要的环节,也是最根本的论题。论文从随机信号的傅立叶分析中自相关函数与谱密度函数之间的对应关系出发,提出了一种基于自相关函数的特征选择方法,并以实验方式进行了有效性验证。其研究意义还在于将这一特征选择方法与人工智能中的归纳学习方法相结合,其归纳性能比传统的熵最小化准则更为优越。     

电子电路图的自动输入、理解及与ORCAD的链接

本文介绍一个最近由我们研制成功的电子电路图自动输入系统的构成与特点。利用本文提出的内、外边缘快速判决法及在“非环形”符号各端点加“黑点”的辅助措施提高了模式分离的可靠性。为了最大限度地利用原始信息，我们采用直接从光栅图中抽取特征的办法去识别字符与符号。在手写符号的识别中，我们提出了四边带投影的特征抽取方法并把它了引入到“决策树”的判决过程中，使识别率与识别速度都得到提高。当系统对整图的拓扑关系进行理解之后，还实现了与当前国际流行的ＣＡＤ软件ＯＲＣＡＤ的链接、使系统能以自动输入的方式支持自动布线与电路模拟。     

用微型机实现四通道模拟信号的采集与处理

本文提出一种在CROMEMCO微型计算机上实现四通道模拟信号的采集与处理方法。用Z—80汇编语言程序对四路模拟信号进行采样,采样速率可在宽广的范围内调节。用FORTRAN程序对离散数据进行FFT处理。采样数据的数值与波形以及经FFT处理后的结果均可在宽行打字机上打印出来。     

一个新型的地图自动输入与编辑系统

近年来,从事图形自动化输入技术的研究变得活跃起来,这是因为在CAD,GIS(地理信息系统)和OA(办公室自动化)等领域对计算机图形输入有较高的要求,而现有的图形输入方法与图形输出相比,又是如此的落后,远不能满足人们对计算机实现智能化输入的要求.     

电子电路图自动输入系统中的模式分离方法

采用了“内外边缘的快速判决法”与“基于两正交向ＬＡＧ的矢量编码方法”去分离电子电路图的字符与符号．除了对原来的字符分离算法进行改进之外，本文着重于介绍符号分离方法，提出了在“非环形符号”各端点加“黑点”的辅助措施去确定它们的边界．实验结果表明，这些分离方法与辅助措施十分有效，它导致了近１００％的分离率。     

基于全局特征和局部特征组合的脸谱识别方法

本文中,提出了一种新的脸谱识别方法。首先利用核主分量分析技术提取脸谱图象的全局特征,然后利用独立分量分析技术提取脸谱图象的局部特征,分别挑选出部分局部特征向量与部分全局特征向量组合成脸谱的组合特征向量,然后利用支持向量机分类器进行识别。采用ORL脸谱库进行测试,并与其它特征提取方法进行了比较,实验结果显示基于组合特征方法的识别率明显优于其它方法。     

一个新型的电子电路图纸自动读入系统

文章介绍了一个新型的电子电路图纸自动读入系统的构成及其实现。这是一个新进研制成功的实验系统,它不同于以往的常规系统。本文扼要地介绍了其中的模式分离与图象识别技术:对于前者,着重讨论基于Freeman链码边缘跟踪技术的字符分离方法;而对于后者,文中包括二方面的内容;实现字符识别的人工神经网络方法与实现符号识别的决策树方法,最后给出系统的输出结果。     

从工程图中分离和识别字符模式的技术

提出了一种内、外边缘的快速检测方法分离工程图中的字符模式．该方法具有很高的可靠性，可分离手写或印刷体的英文、法文、德文、俄文、希腊字母、阿拉伯数字和汉字．对于字符识别，采用了Ｈｏｐｆｉｅｌｄ人工神经网络模型，并引入了“半优化”学习算法替代传统的Ｈｅｂｂ学习算法，获得了较好的效果．     

从工程图子分离和识别字符模式的技术

提出了一种内，外边缘的快速检测方法分离工程图中的字符模式，该方法具有很高的可靠性，可分离写或印刷体的英、法、德、俄、希腊字母、阿拉伯数字和汉字、对于字符识别，采用了Ｈｏｐｆｉｅｌｄ人工神经网络模型，并引入了“半优化”学习算法替代传统的Ｈｅｂｂ学习算法，获得了较好的效果。     

任意形状二值线图边缘跟踪的实现

边缘跟踪是计算机数字图象处理中一种重要的处理方法，本文通过对实现边缘跟踪条件的分析，提出了邻域连续性的概念，得出了边缘跟踪方法能正确跟踪所有边缘的充分条件，从而实现了任意形状线图的边缘跟踪、实际用于处理手画图结果表明，这种方法是可行的．