基于Hausdorff距离的车牌字符识别方法研究

根据车牌区域的固有特征,提出了一种高效、快速、实用的车牌字符识别算法．该方法先对车牌中的单个字符进行归一化和细化,然后采用Hausdorff距离模板匹配方法识别．实验表明,该方法有效可行．     

基于特征模板提取及SVM的观点句识别

为了有效识别中文微博的观点句,提出了基于Hownet词典及模板的特征提取方法,并使用SVM 算法对微博中的观点句进行识别.运用新设计的一个模板匹配的方法来进行特征提取,并通过计算其信息增益筛选出最后的特征模板.实验结果表明：算法具有优越性和有效性.     

基于ADCensus的改进半全局匹配方法

考虑到AD相似性测度对灰度信息及纹理丰富的区域的优势和Census变换对图像辐射差异具有鲁棒性的优势,将AD和Census算法融合替代单一匹配代价来改进半全局密集匹配算法,可有效提高算法的匹配精度和抗干扰性。同时用金字塔分层匹配策略来约束视差的搜索范围,实验结果表明,该方法在保证匹配精度的同时,减少内存消耗和运行时间,适用于无人机影像的密集匹配。     

模糊神经网络优化的研究

模糊神经网络具有强大的自学习和自整定功能,然而,随着生产实际情况的不断变化,以及模糊神经网络不断的改进和发展,提出一种改进的构造神经网络的方法,并且提出混合学习算法,结合共扼梯度下降法与递归最小二乘估计来分别辨识网络中的前、后件参数,并对非线性系统进行仿真实验,达到控制要求.     

基于分布式卷积神经网络的车型识别算法研究

本文利用Spark分布式计算框架,提出了一种基于分布式卷积神经网络的车型识别算法。该算法通过改进卷积核参数和丢弃相似特征图来优化网络,通过改进分布式梯度下降来减少master和slave同步通信量,从而提高了收敛速度和性能。试验结果表明,该算法可有效提高车型分类的速度和精度。     

电力负荷短期预测的神经网络方法研究

设计了一个三层神经网络模型来实现电力系统的短期负荷预测。采用了改进的ＢＰ学习算法,以提高训练的收敛速度,预测仿真结果表明,所设计的神经网络是可以进行短期负荷预测的。     

一种改进的反向传播神经网络算法

在标准反向传播神经网络算法的基础上,提出了一种改进的反向传播神经网络算法.通过对每个处理单元增加3个参数来增强作用函数,且3个参数与连接权一样,在学习过程中进行实时更新.此算法提高了学习速度,且减少了进入局部最小点的可能性.通过XOR问题的仿真证明了改进算法的有效性.     

基于DSP的有复杂背景的条码图像自动识别

介绍了运用TMS320VC5410芯片实现有复杂背景的条码识别系统,将图像分割技术应用于条码自动识别上,对原图像进行预处理后,再运用模板匹配的方法对图像进行区域查找,在原图像上分割出条码区域.采用模板匹配的方法,存在计算量大的问题,由于DSP系统具有电路简单可靠,运算功能和实时性强,应用灵活等特性,故采用DSP系统实时处理图像.     

基于卷积神经网络的颅内病变类型影像的判别

颅内病变的具体类型直接影响医生所选用的医疗方式,目前颅内病变影像的判别主要依靠医生的经验,易造成误诊。提出了一个基于卷积神经网络的精准影像分类法,通过从医院放射科电子计算机断层扫描设备采集五种较常见病变类型和一种正常颅脑CT图像作为分类的对象进行预处理。创建一个包含3个卷积层、3个池化层、1个完全连接层的卷积神经网络,并对网络采取了Dropout技术优化处理。并用所采集的颅内病变样本对神经网络进行训练和测试。通过实验将改进后的CNN算法与模板比较法及SVM等传统算法进行比较发现,分类结果的准确度明显优于传统算法,平均识别准确率可达93.54%。     

自底向上加快神经网络学习的算法

介绍了一种加快神经网络学习的改进算法.这种改进算法结合采用快速自底向上构造神经网络算法和动态优化学习参数算法.首先,快速自底向上构造神经网络算法自动地构建神经网络的优化结构;随后,动态优化学习参数算法动态地调整和选取优化的学习参数.实验结果显示,这种改进算法能自动有效地构造网络的优化结构,与其它算法相比,具有更好的分类性能、优化的网络结构和更快的学习速度.     

一种改进的手写数学公式符号识别算法

针对手写数学公式符号的特殊性提出一种改进的公式符号识别算法.利用外接矩形技术来切分公式符号,利用改进的BP神经网络算法进行手写数学公式符号识别.实验证明,改进后的公式符号识别算法提高收敛速度和识别的效率.     

改进型灰色神经网络模型在水质预测中的应用

介绍了三类改进的灰色模型和BP神经网络。将三类改进的灰色模型与神经网络进行组合,得到改进型灰色神经网络组合模型,将一维序列通过三个改进的灰色模型得到三组值作为神经网络的输入,原始序列作为神经网络的输出,训练得到最佳神经网络结构。将组合模型应用到嘉陵江磁器口断面总磷浓度的预测中,结果表明:(1)用该组合模型进行预测,相对误差均在5%以下,预测精度较高,取得了较理想的预测效果;(2)WPGM(1,1)、pGM(1,1)、CGM(1,1)、组合模型预测的平均相对误差分别为5.05%、34.01%、33.65%、3.02%,与单一灰色预测方法和灰色神经网络模型相比,组合模型的适应能力和预测推广能力更好,预测精度更高。     

一种基于肤色和模板梯度的人脸检测方法

提出了一种基于肤色和模板梯度的人脸榆测方法，该方法首先利用肤色信息找到人脸的大致位置，再利用主分量分析提取出公共脸并以此作为匹配模板，最终采用二阶梯度法作为判别准则．结果表明本算法能明显地提高检测速度，检测率比一般的模板法有较大地提高．     

一种基于共性特征的SAR图像与卫星光学图像匹配方法

提出了一种新的基于边缘的合成孔径雷达(SAR)图像与卫星光学图像匹配算法.在这种算法中,针对SAR图像固有特性提出了一种边缘特征的提取方法,并提出了一种新的基于边缘连续性密度加权的子模板Hausdorff距离矩阵度量方式,采用子模板Hausdorff距离矩阵的Frobenius范数来描述整个矩阵的"大小"的尺度,从而建立图像相似性测度.这种测度具有可靠,鲁棒,易于并行实现的优点.试验结果表明,这种算法鲁棒性好,匹配精度高,计算速度快.     

浅谈建筑工程中模板的施工技术问题

模板的施工技术对建筑工程总体质量有着至关重要的作用,因此改进模板施工技术、提高施工水平尤为关键。本文重点论述了建筑工程中模板施工常见技术问题,并阐述了设计的要素和关键施工技术,以期能够为相关的实践提供些许理论参考。     

基于深度学习的车检图像多目标检测与识别

为了实现快速和自动的车辆外观检测,提出一种基于深度学习的车检图像多目标检测与识别方法。首先,采用轻量级神经网络YOLOv3实现车检图像中车头、轮胎、车牌及三角形标志的检测与识别;其次,采用多任务级联卷积神经网络实现车牌4个关键点定位;再次,利用车牌4个关键点坐标,结合目标车牌图像高宽先验,通过透视变换对车牌进行校正;最后,设计卷积神经网络实现车牌底色分类,同时设计卷积循环神经网络,实现车牌字符识别。实验结果表明,在816×612的车检图像上,该方法中端到端的多目标检测与识别的平均精度达98.03%;为便于在车检场景下应用该模型,利用阿里巴巴推理引擎将模型部署到CPU端,使多目标检测与识别的平均速度达10帧/s,从而满足车检的应用需求。     

基于模板匹配的脱机手写数字识别研究

以特定人手写体数字(包括10个阿拉伯数字)作为研究对象,提出一种针对特定人手写数字的模板匹配算法,将识别对象限定为特定人所写的数字,找出较好的模板特征维数,再进行识别.     

基于特征统计的车牌非汉字字符识别方法

字符识别技术是模式识别领域非常活跃的一个分支,同时也是汽车车牌识别系统中的一项关键技术．该文结合汽车牌照自身的特点,以数字图像处理技术为依托,详细讨论了车牌字符识别技术的原理,并重点研究了车牌字符中非汉字字符的处理．     

复杂零件数控自动编程系统中的成组技术研究

针对复杂性柴油零件,采用CAPP/CAM技术实行数控编程,针对相应的问题,分别采取有限级的分级检索和加工模板技术,并挖掘和处理了CAPP/CAM技术的相似性。在使用UG二次开发以及SQL server数据库技术的开发中实现制定数据编程系统,针对CAPP/CAM技术实现对相似性的挖掘与利用,并且实现了对UG平台上的模板制定和CAPP工艺的匹配以及数据自动编程。     

冲击响应谱匹配的改进多目标遗传算法研究

采用改进的多目标遗传算法对冲击响应谱的匹配进行研究。改进的措施包括采用了优先级目标激活机制、构建控制种群、按照个体的优先级和分布进行选择、优化参数归一化以及混沌搜索等。文中选用子波综合法结合工程实践要求进行计算并得到最终的优化匹配波形。仿真算例验证了该算法在冲击响应谱的匹配应用中具有较高的适用性和实用性。