机器视觉不变性的阿达玛描绘子

本文导出一种新的视觉不变性描绘子──阿达玛描绘子（Ｈｄ）。     

基于NP算法的CRM中客户识别特征的选择

客户识别对于CRM的实施具有重要意义，客户特征选择是客户识别中的重要问题．嵌套分割算法（NP算法）是一种新型的系统优化方法，通过对其四个算子进行确定，将其应用于具有组合优化特征的CRM中客户识别中的客户特征选择问题．并通过将NP算法应用于某人寿保险公司的客户特征选择问题，说明了该方法的有效性．该方法不但能够保证以概率1收敛于最优解，而且能够提高客户特征选择的效率．     

基于感兴趣点特征的彩色图像目标分类与识别

提出一种基于赋色尺度不变特征变换的特征提取方法,分析证明了该特征对平移、旋转、缩放、颜色漂移等因素的不变性。进而研究了基于该特征的彩色图像目标分类与识别的策略和实现技术,提出了相应的算法。通过运用阿姆斯特丹目标图片库中随机选择的50类对象进行分类识别的实验检验,识别正确率可达到100%。理论分析和实验结果表明,赋色尺度不变特征在彩色图像的分类识别中展示出优越的性能。     

三种新型神经网络树算法之改进与比较分析

VittorioMurino提出了三种将神经网络和树结构结合起来的算法。简单介绍了三种结构算法并对其做了细化改进,使其实现更具体、可行,应用范围更广泛;分别利用两组模拟数据和Iris植物分类数据对三种结构与传统的神经网络做了比较实验,给出了三种结构用于模式识别的算法速度、识别率、泛化能力等性能的对比分析。结果表明,三种各具特色的神经网络树结构均有显著的优越性。     

基于神经网络的辐射源识别系统设计

针对当前辐射源识别系统中存在的问题,提出了一种结合神经网络技术的辐射源识别新方法。该方法可以快速高效的识别各类辐射源,既有基于统计分析的辐射源识别系统的快速性,又有基于专家系统的辐射源识别系统的自适应性和准确性。实际仿真结果表明该方法是有效的,尤其对于参数不全、参数畸变的雷达辐射源,其识别率和识别置信度都有较大提高。在本文方法的基础上,设计出一种结构简单、快速有效的辐射源识别系统,具有一定的推广价值。     

均分形体的新算法

本文给出了由弗里曼链码求形体的面积、形心及均分形体的新算法。利用上述方法解决了现有的求面积算法难以实现的将形体分割为Ｎ个等面积的“扇形”问题,并将其成功地运用于科研课题中。     

企业危机预测与识别模型

针对当前大部分企业危机预警模型只能报警,不能预测的现状,提出一种基于指数平滑法与模式识别的预警模型。该方法首先对企业运营的单项特征指标进行预测,然后对预测结果模式识别分类,同时判断企业的危机状态。最后,用实例验证该模型的有效性。     

基于复合神经网络的数据分布模式仿真识别

采用复合结构神经网络对数据概率分布模式进行了仿真识别。首先提取数据的样本峰度、偏度、分位数和累积概率等数字特征 ,构建数据概率分布模式和仿真识别训练样本 ,然后采用Kohonen网络对概率分布进行聚类 ,接着运用BP网络对各聚类分别进行分类识别 ,最后对任意数据流进行了仿真识别。仿真识别结果表明 ,同其它模式识别方法相比 ,该方法更能够反映数据流概率分布的特征 ,从而得到了满意的模式识别效果。     

格形滤波器在ARMA模型辨识中的应用

本文总结了近年来发展的ARMA模型格形辨识算法。基于运用格形滤波器的特性来获得ARMA模型格形辨识算法的思路,着重分析了三种典型算法及其性能,给出了稳定判据,最后指出了今后的发展方向。     

图象处理与模式识别及其在工业中的应用

本文简要介绍图象处理与模式识别的研究内容。着重讨论了它们在工业中应用的特点、现状和发展方向。指出图象处理与模式识别在现阶段正处于最后被工业界接受的门槛上,将会像七十年代末期计算机图形学迅速扩展到各个应用领域一样,得到各方面的广泛应用。     

基于BP神经网络的人脸识别

将BP神经网络用于人脸识别 ,建立了人脸识别模型 ,研究了样本采样训练、样本批量训练和样本完整训练三种训练策略对识别率的影响。所设计的识别模型包括图像压缩、图像抽样、输入矢量标准化、BP神经网络与竞争选择处理过程。利用ORL人脸图像数据库进行了仿真实验 ,结果表明 ,其识别模型在实际应用中是可行的。该模型简单 ,识别率较高。如将训练策略配合使用 ,则在提高训练速度和训练效率的同时 ,也使模型分类性能有了明显提高     

基于神经网络的形状识别系统及优化

Ｈｏｕｇｈ变换用于形状识别、神经网络用于分类都不是新课题,而我们将这两种方法结合起来,用神经网络实现 Ｈｏｕｇｈ变换并进行特征提取,所提取的特征矢量不受待识别体的大小和位置的影响,且所提特征为一维矢量。对于所构成的神经网络形状识别系统,采用ＢＰ算法进行初１练,优化系统参数。文中最后得出令人满意的实验结果。     

一种新的不变矩特征在图像识别中的应用

分析了在离散状态下比例因子对不变矩特征的影响,构造了一种新的不变矩,使其具有平移、旋转和比例因子的不变性。在仿真实验中,采用新的不变矩对图像进行了识别、识别的成功率为95%;而采用原来的不变矩,识别的成功率仅为70%左右。由此表明本文构造的新不变矩具有一定的利用价值。     

基于模式聚类的过程数据预处理方法及应用

在分析工业过程数据测量误差源的基础上 ,提出了一种基于模式聚类的数据预处理方法。该方法只依赖于领域的定性知识和半定量知识 ,能处理不同的误差干扰 ,预处理后的数据保留了原始测量数据的有用信息 ,剔除了过失数据 ,从而防止了矛盾数据的出现。将该方法用于制浆蒸煮过程的数据预处理中 ,收到了良好的效果     

基于散射中心的目标建模与识别

准光学区目标对高分辨探测信号的散射，表现出多散射中心。本文利用目标的这一物理特性，推导了相邻两个观测方位角上散射信号的近似比例关系，采用梅林变换重建了目标类模式，有效地克服了目标散射中心模型的参数敏感于观测方位角变化而带来的特征选择的困难。文中针对三种飞机目标（歼七、Ｂ５２、Ｍｉｇ２７）进行了识别实验研究，结果表明了本文所提出的目标识别方法是有效可行的。     

协同模式识别方法综述

介绍协同学理论的基本原理及常见的协同模式识别算法 ,有助于模式识别理论的进一步发展。介绍了相关的基本概念 ,重点对协同识别算法中的原型模式的选择及注意参数的设置等关键技术进行了综述。分析了各种常见方法的应用效果并进行了初步的评价 ,展望了协同模式识别算法的发展方向。协同模式识别方法是协同学原理应用于模式识别领域的一种新方法 ,该算法有着很好的发展前景     

模式识别中的透射变换与仿射变换

仿射变换和透射变换是两种基本的图像变换。本文详细研究了仿射变换和透射变换的性质,并推导出它们之间的关系。研究表明,在特殊情况下,非线性的透射变换退变为线性的仿射变换;在多数情况下,透射变换可以用仿射变换很好地近似,这为透射变换的目标识别指出了一条新的途径。一组新的由低阶中心矩构成的仿射不变量验证了本文推导的正确性     

基于模糊模式识别的时序混合多指标决策

研究了一类定性和定量指标相结合的时序混合多指标决策问题。基于模糊模式识别原理 ,提出了一种新的进行方案优选的方案总体评价函数 ,给出了具体的决策方法和过程。最后通过一个实际例子说明 :该方法可行、有效 ,从而为解决时序混合多指标决策问题提供了一条新途径     

高分辨雷达目标识别的研究

本文研究基于一维距离像的高分辨雷达目标识别方法。文中讨论了三种识别方法(频率域RBF神经网络方法、频率域相关滤波器和距离域相关滤波器),并用我国实验ISAR录取的数据比较了这三种方法在不同信噪比下的识别性能。