基于神经网络的自动特征抽取

本文探讨了用神经网络从模式中自动抽取特征向量并确定特征向量是否已具有足够特征信息的方法,给出了计算机模拟的结果。     

基于组合矩不变量特征的BP神经网络分类器

本文通过研究特生的性质，在传统的７个矩不变量的基础上，提出了５个组合矩不变量一完成对目标特征的描述，为完成对三维物体的识别，这里采用三层的ＢＰ神经网作为分类器，其输入特征为上述组合矩不变量。文中对三类目标在各种姿态下的矩特征分布的情况进行了研究，并将神经网分类器和最小距离分类器的分类性能作了比较。     

基于链置换神经网络的印刷体汉字数字识别

链置换技术是一种体外恒温无酶的分子计算技术,近年来已成为DNA计算领域的常用技术,而人工神经网络是一种模仿生物神经网络结构和功能的计算模型。基于链置换技术可以用生物分子构建神经网络,并作为分类器用于执行各种模式识别任务。文章以链置换逻辑门为基础,构建了一个赢家通吃的分子神经网络计算系统,完成了印刷体汉字数字的模式识别任务。首先将代表数字模式的图片转化成用DNA序列编码的分子数据,再将人工合成的DNA数据链输入到分子神经网络计算系统中,该网络能够利用DNA链置换技术执行生物分子计算,从而实现对输入DNA数据模式的分类,最终的分类结果将会通过荧光分子修饰单链DNA输出,并通过光电信号转换自动识别。仿真实验和生物实验证明了基于链置换的分子神经网络可以出色地完成印刷体汉字数字识别的任务。     

基于神经网络的几种控制图表模式的识别研究

建立一个复合的神经网络模型,使其可以更精确的判断输入的控制图模式,同时利用该网络模型的再分类功能,可以减少判断不同模式时所造成的误判断.通过对各种模式的训练和仿真,表明该方法相对于传统方法有较大的优势.     

抽油井示功图神经网络识别模型

以专家经验及大量的现场实例为基础，应用模糊数学与人工神经网络技术理论，建立了有限个精选井下示功图和反向传播的神经网络示功图识别模型．该识别系统可初步用于对现场实测示功图进行识别诊断，性能基本稳定，能有效地诊断抽油机的故障类型．     

抽油井示功图神经网络识别模型

以专家经验及大量的现场实例为基础，应用模糊数学与人工神经网络技术理论，建立了有限个精选井下示功图的反向传播的神经网络示功图识别模型，该识别系统可初步用于对现场实测示功图进行识别诊断，性能基本稳定，能有效地诊断抽油机的故障类型。     

基于图像特征的智能肺癌识别

提出一种基于图像特征进行计算机辅助医学诊断的智能算法。该算法使用神经网络技术有效地从彩色细胞切片图像中识别出肺癌细胞。首先，通过图像预处理和图像分割技术提取出切片图像中细胞的形状和颜色特征。接着，将这些图像特征输入训练好的肺癌分类识别神经网络，智能地识别出肺癌细胞。     

基于神经网络多国货币种类的识别与研究

提出了一整套解决货币种类的识别方案,该方案由一套包含扫描头和探头矩阵在内的计算机硬件和软件系统组成,通过探头矩阵获得货币图案的采样值,应用神经网络实现种类的识别。     

基于RBF神经网络的冠心病识别模型

RBF神经网络是前馈神经网络研究中的一个热点.对RBF神经网络的网络结构、基本原理和学习算法进行了介绍.针对BP神经网络自身的缺陷,提出以RBF神经网络为识别模型,采用最近邻聚类学习算法,建立一种冠心病模式识别诊断系统.仿真实验表明,该模型可快速完成对冠心病样本的学习与拟合,具有预测识别率高的优点,可作为该病诊断的一种有效的辅助手段.     

图像识别在吻合器漏针检测中的应用

提出了一种基于图像处理和模式识别技术的计算机吻合器漏针自动检测方法.该检测系统通过微机控制CMOS摄像机拍下吻合器图像,采用二值化、特征提取和模糊聚类等一系列计算机视觉技术检测漏针.实践表明,该方法准确率高、速度快,比传统检测方法有着更高的可靠性和效率.     

基于ReliefF-NOSCA-AdakNN的肌肉疲劳识别技术研究

针对竞技体育训练中的肌肉疲劳监测问题,提出了一种基于ReliefF-NOSCA-AdakNN(RNA)的表面肌电信号(sEMG)特征提取和分类算法.该算法结合了特征和类别之间的相关性分析和启发式搜索算法,对高维特征进行了有效的筛选和分类.将RNA算法应用于经过滤波处理的肱二头肌肌电信号数据,对不同疲劳状态进行了识别和分类.实验结果表明,提出的RNA算法在平均分类准确率和标准差方面分别达到了83.88%和0.012 7,均显著优于传统单一算法,体现了较好的分类性能.     

模式分类与识别的新动向

综述了模式分类与识别中的特征抽取与选择、模式分类与识别的传统方法及其研究状况,同时也简介了模式识别中并行处理方法的进展.在模式识别研究中多信息源、多媒体、智能化策略的综合研究将是这一领域的新动向。     

一种新的代数特征抽取方法及人脸识别

特征抽取是图象识别中的一个最重要最基本的问题,代数特征抽取是一各肯效的特征抽取方法。该文给出了一种新的代数特征抽取方法。首先给出了图象矩阵特征矩阵的概念,再根据特征矩阵抽取代数特征,该文证明了这样抽取的代数特征具有一些重要的代数和几何不变性,作为一个应用,将此方法用于人脸识别,取得了很好的效果。     

基于代数方法的图像特征抽取和识别

该文对文献（３）中的相似度计算了改进,用低维矩阵替代高维矩阵进行计算,先证明没有改变原有图像矩阵的相似度,然后用新方法和原方法解决一组人脸图像识别问题,实验结果表明,新方法大大减少了计算量,又能保持稳定的识别率,具有较高的识别效果。     

模式识别理论中的逻辑特征方法

本文提出了一个新的模式识别特征方法——逻辑特征方法。这个方法不同于经典的模式识别方法:统计特征方法和句法结构方法。在逻辑特征法中,决定模式特征匹配状态的只有“是”或“非”,而不象统计特征和句法特征那样有匹配程度之分如“远”或“近”。逻辑特征有两个重要特性。1.多个逻辑特征可以链接在一起做为逻辑特征向量,这个逻辑特征向量可以做为索引匹配的索引号而对模式进行直接和索引分类。2.逻辑特征还可与其他特征共同使用,其中逻辑特征将做为标志。亦即只有逻辑特征匹配了,才能用其他特征进行匹配程度的计算。     

模式识别理论和技术在语音识别研究中的应用

语音识别是让机器听懂人的说话,并准确地识别出语音的内容和执行相应操作的技术．该文介绍了语音识别发展的过程,语音识别系统的结构和识别过程,模式识别理论和技术在语音识别研究中的应用以及语音识别中的关键技术和面临的问题．最后讨论了语音识别技术存在的优点和不足,并展望了其应用研究的前景．     

印刷体蒙古文文字识别的研究

分析了蒙文文字的结构特征,论述了蒙文印刷体文字识别的原理,提出了从蒙文文字的预处理到特征提取以及模式分类等各处理阶段的实现方法,并且已将这些方法应用于蒙文印刷体文字识别软件的设计中,试验结果表明这些方法是可行的和高效的。     

手写体数字识别系统中一种新的特征提取方法

本文对手写体数字的特征提取方法进行了讨论,分析了当前使用较多的三种特征提取方法,指出了各自的优缺点,并在此基础上提出了一种新的特征提取方案,即13点特征提取方法,该方法从每个字符中提取关键的13个点作为特征点,其主要特点是特征提取简单有效,节省了特征提取时间,提高了识别系统的运行速度.用同一种网络对特征提取后的结果进行训练和识别.仿真结果表明,13点特征提取法用于手写体数字的识别有着极好的适应性,在运行速度和识别率上比起其它算法都有很大的提高,从而极大地证实了新算法的有效性及实用性.     

DCT和LBP特征融合的人脸识别

提出一种特征融合的人脸识别新方法.该方法将人脸图像中少量的低频离散余弦变换(DCT)系数用作人脸的频域特征;把人脸图像规则地分成多个子块,计算每个子块的局部二值图(LBP)编码直方图.这些子块的LBP直方图连接成一个空域全局直方图,作为人脸的描述向量.这个描述向量经过PCA降维后作为人脸的LBP特征.DCT特征和LBP特征分别归一化,然后进行特征融合.在ORL人脸库上的实验显示了所提方法比单独采用DCT或LBP特征的人脸识别有较好的性能改善.