Women''''s Basic Block Based on the Body Recognition

Body analysis is an important method to clothing construction design. It not only gets the measurement of body, but also analyze the style of body shape. We have discussed the method of woman body fuzzy recognition in another paper and from that we divide woman bodies into thirty-six groups. In each group, bodies have one kind of basic block and there is difference between any two kinds. This paper puts forward thirty-six basic block modes based on various woman bodies.     

自适应主元提取算法在人脸图像特征提取中的应用

以统计主元分析为理论依据,研究了自适应主元提取（APEX）算法,并揭示了该算法的网络模型与统计模式识别之间的密切联系。最后,将APEX算法运用于ORL人脸数据库的特征提取中。仿真结果表明,APEX算法在人脸识别中是一种有效的特征提取方法。     

融合多特征信息的模式识别方法

研究在有不确定知识的情况下,融合多种类特征信息的模式识别方法.首先用模糊逻辑表示关于对象的具有不确定性的经验知识,通过模糊推理可由特征得到关于对象的用基本概率分配函数表示的具有不确定性的模式分类信息.然后利用D-S证据推理的方法最大程度地消除其不确定性,得到对象的最终分类结果.仿真结果证明,该方法对处理具有多种类特征且带有不确定性知识的一类模式识别问题是有效的.通过将模糊推理方法与证据理论的结合能有效利用多种特征的不确定知识对目标进行分类.     

相对隶属度理论及其在地下水水质评价中应用

论述了相对隶属度理论及该理论应用于模糊评价的基本原理和方法，包括相对隶属度函数的建立；模糊识别目标函数的建立和由该目标函数进行的模糊模式识别模型推导：模糊评价矩阵生成以及级别特征值评价法。结合地下水水质评价应用实例，分析了该理论用于模糊评价的特点和实用性，结论是用该理论求得的相对隶属度使评价对象因素之间具有很好的可比性，其模糊识别模型具有清晰的数学和物理意义，所使用的级别特征值评价法能更好的反映评价对象的特征。因此，用相对隶属度理论进行模糊评价更具实用性。     

一种基于小波变换的模糊聚类算法及其应用

为准确对输电线路故障性质、故障相等进行识别,提出一种基于小波能量比值的模糊C-均值聚类(FCM)算法,并研究了该算法在输电线路的永久性和瞬时性故障识别中应用的可行性.结合小波分析的时频分析能力、小波能量比值的特征提取能力和FCM的模式识别能力,建立一实际500kV输电线路的PSCAD模型,对单相故障产生时的暂态电流进行了聚类分析和识别.仿真结果表明:基于小波能量比值的FCM算法能较好地识别故障相与非故障相,且算法收敛速度快,识别结果准确.     

经验模式分解模糊特征提取的支持向量机混合诊断模型

为解决机械故障小样本模式识别问题，有效地提高分类的准确率，提出了一种基于经验模式分解模糊特征提取的支持向量机混合诊断模型．该模型通过对信号进行经验模式分解，提取信号的本征模式分量并转化为模糊特征向量，对机器故障进行诊断，然后将模糊特征向量输入到多分类的支持向量机中，实现了对机器不同故障类型的识别．将该模型应用于汽轮发电机组的3种工作状态的识别中，测试结果表明，同原有的未经过任何特征提取以及经过小波包模糊特征提取的2种多分类支持向量机方法相比，该模型将分类准确率从原有的53．33％和86．67％提高到100％，有效地改善了分类的准确性．同时，该模型还为汽轮发电机组的故障确诊提供了有力依据．     

因素空间与分类的特征抽取

在汪培庄先生的因素空间理论上,定义因素空间的连续性,将论域上的模糊测度扩展到因素空间上,提出了分离度和ｍ－识别因素的概念,证明其若干性质,为模式识别中的特征抽取问题提供了一种有效方法。     

基于K-L变换的人脸自动识别方法

研究了利用计算机实现的人脸自动识别方法。在传统的“特征脸”方法基础上，提出了一种改进的人脸自动识别方法。该方法对于经过预处理的标准人脸图像，以类间散布矩阵为产生矩阵，通过Ｋ－Ｌ变换降维并提取人脸图像的代数特征。同时，利用遗传算法进行特征选择，以构成有利于分类的自适应子空间。在此子空间内，将图像进行正交分解，然后分别对各类训练样本进行二次Ｋ－Ｌ变换，进一步构成其旋转子空间，从而最终实现了一个分层次的最小距离分类器。实验表明，本方法识别率较高，且对于人脸的姿态、表情及光照条件均具有一定的不敏感性。     

中、英两国服装纸样结构系统的比较研究

比较了采用英国原型纸样系统制作的服装和采用中国比例分配裁剪方法制作的服装外形.结果表明,英国纸样对人体裁剪更加讲究,而中国纸样提供了较多的运动功能性.因此,服装纸样设计师可采用不同的纸样设计方法以便适应不同的服装设计特点.     

关节式移动机器人自主越障中基于模糊神经网络的障碍识别方法

提出了一种关节式移动机器人自主超障时的障碍识别方法，该方法利用模糊神经网络对障碍物进行识别，确定障碍的类型和特征，并以此来控制移动机器人越障和避障时的行进速度和摆臂的动作，开发了在未知环境中障碍物辨识的模糊神经网络系统。实验证明，该方法是可行有效的。     

用于模式识别的多输入开关电流型模糊处理器

提出了一种用于模式识别的新型多输入开关电流模糊处理器。该处理器是一个模数混合系统。其中，数字部分用于对输入码进行译码，并且产生系统所需的时钟和控制信号，模拟部分用于处理模糊信息并输出识别结果。该系统可以采用分时的方法接收未知模式的多个特征。模糊处理利用加权求和－求大操作，其中综合函数的权重可调，以提高处理器的自适应能力，并拓展其应用场合。侧重于集成电路的模拟程序ＰＳＰＩＣＥ模拟结果表明，该系统性能好、精度高。同时，电路在规模上易扩展。由于采用开关电流技术，该系统电路可以直接采用标准的数字互补型金属氧化物半导体（ＣＭＯＳ）工艺来实现，便于模、数混合集成，易于超大规模集成电路（ＶＬＳＩ）的制作。     

多级模糊模式识别在环境评价中的应用

在多级模糊模式模型的基础上,提出了一种改进的多级模型模式识别方法。即针对冶金工业环境的实际情况,对原有多级模糊模式识别模型中的样本集指标特征值矩阵X进行了修改,以国家标准《有毒作业条件分级《（GB12331－90》以有《工业企业设计卫生标准《（TJ36－79）中规定的分级指作为矩阵X的元素,运用多级模糊模式识别模型进行环境评价。最后应用改进的多级模糊模式识别方法对某焦化厂焦炉作业环境进行了健康危害评价,验证了该方法的正确、有效性。     

模糊集技术在网络信息过滤系统中的应用研究

本文将模糊模式识别引入到校园网信息过滤系统中，通过网页内容识别和分级技术将各种不同网站进行分类，过滤和禁止有害网络信息，从而达到校园网的信息“净化”目的。     

基于不变矩特征和神经网络的图像模式模糊分类

提出了一种基于不变矩特征和神经网络的医学图像识别模型·所设计的识别模型包括不变矩特征提取、不变矩矢量标准化、模糊化预处理、BP网络与竞争选择·利用不变矩方法提取医学图像的特征矢量,能有效检测出具有平移、旋转和比例变化的图像,利用神经网络作为分类器对提取的特征矢量分类,使用模糊化的方法先对输入特征数据做预处理再进行识别,每一个图像模式归属于某一类是以0到1的数字代表其归属程度·实验结果验证了模型的有效性,训练好的网络有很好的分类能力·     

X射线检测焊缝的图像处理与缺陷识别

根据射线检测焊缝图像的特点,设计了图像去噪、增强的算法;针对焊缝缺陷对比度差、光照不均、纹理较多等不利因素,在去除焊缝背景情况下,设计了动态划分焊缝区域算法,利用局域阈值法分割提取出对比度不均的缺陷;通过对焊缝缺陷特征分析,选取缺陷识别的特征参数;建立了用于焊缝缺陷识别的模糊神经网络模型。试验结果表明,图像预处理和缺陷提取是成功的,提出的识别算法能够提高介于模糊边界模式分类时的识别率,对焊缝缺陷识别的效果优于分类识别法。     

基于多阶段的模糊C-均值算法的模糊聚类分析研究

对模糊聚类分析算法进行研究,在模糊Ｃ－ 均值算法（ＦＣＭ）的基础上加以改进,将聚类过程分为二个阶段,形成多阶段模糊Ｃ－ 均值算法（ＭＦＣＭ）,使其对Ｉｒｉｓ数据聚类．研究表明：多阶段的模糊Ｃ－ 均值算法比模糊Ｃ－ 均值算法性能优越．     

模糊加权距离及其合理性讨论

本文提出的模糊加权距离,反映了模式识别与分类中每一样本的各个分量对“距离”贡献的差异性.这种差异性由本文定义的特征优势的概念所描述,而特征优势的概念则由模糊集理论导出并按照人们的思维方式所确定.本文还就新距离的合理性进行了讨论.实验结果及实用结果表明了新距离的优越性.     

基于模糊-神经网络的肤色像素检测算法

 肤色像素检测技术是成人图像识别、人脸识别等与人体相关的图像识别系统的基础和重要组成部分。为了提高肤色像素检测的准确度,本文提出一种模糊理论与FP神经网络（Forward Propagation Neural Network）相结合的肤色像素检测算法。算法首先通过模糊理论和直觉模糊理论提取待识别像素的颜色特征,构成特征向量,其中包括像素对常见肤色像素颜色值的隶属度和犹豫度,为完整的表达肤色像素的特征,再加入粗糙度特征进行补充;然后训练出FP神经网络,对所提取的特征向量进行肤色像素与非肤色像素的分类。实验证明,该算法能够提高肤色像素检测的准确度,可以有效地应用在有关人体的识别系统中。     

模糊模式识别的若干问题研究

本文在原来模糊模式识别的基础上进行分析,阐明了模糊逻辑的特点与识别的关系,提出了模糊模式识别的动态模型,从而指出机器学习在模式识别中的重要性。     

模糊相对熵及在模式识别中的应用

目的研究模糊相对熵在模式识别中的应用。方法利用模糊相对熵的一个修正公式——加权模糊相对熵研究模糊相对熵在模糊模式识别中的应用。结果数值例子说明模糊相对熵方法和最大最小贴近度方法得出了一致的模糊识别的结果。结论模糊相对熵方法用于模式识别是很有实际意义的。