模糊模式识别在汽车类型识别中的研究

给出了用模糊技术来识别汽车类型、客车载客量和货车吨位的实用方法．     

三角形类型模糊模式识别新探

为了解决三角形类型的模糊模式识别问题,以便更好地应用于生物细胞染色体形状的识别、白血球分类等实际应用问题中,采用基于给定阈值的最大隶属原则,利用合格指标因子归类法进行研究,并提出一种以三角形内角和差关系作为底数和指数变量的指数型隶属函数。结果表明:求得的隶属度确保在合格指标因子之上皆可,利用指数函数性质使所求得的隶属度差距较大、区别明显,便于识别,且与三角形三个内角紧密相关。通过数值实例,论证了该方法对染色体形状识别、白血球分类等三角形类型模糊模式识别,具有一定的参考价值和指导意义。     

基于ICESat-GLAS波形数据估测森林郁闭度

为探究GLAS波形数据在估测森林郁闭度方面的潜力,以吉林省汪清林业局经营区为研究区,利用高斯低通滤波器对GLAS波形数据进行平滑滤波,从平滑后的GLAS波形数据中提取比值能量参数(I)和差值能量参数(e_c),针对不同森林类型分别建立森林郁闭度单变量模型和多变量模型。研究结果表明:利用参数I建立的单变量模型优于利用参数e_c建立的单变量模型; 而利用参数I和e_c建立的多变量模型明显优于单变量模型。对阔叶林来说,森林郁闭度模型的决定系数(R²_adj)和均方根误差(RMSE)分别为0.72和0.07,模型验证的R²_adj为0.74,RMSE为0.06; 而对于针叶林,模型的R²_adj为0.80,RMSE为0.10,模型验证的R²_adj为0.76,RMSE为0.11; 混交林模型的精度在阔叶林和针叶林之间,模型的R²_adj为0.75,RMSE为0.09,模型验证的R²_adj和RMSE分别为0.71和0.07。因此,GLAS波形数据在估测森林郁闭度方面具有一定的潜力,将参数I和e_c联合能够提高GLAS波形数据估测森林郁闭度的精度。     

基于模糊模式识别的房地产市场发展评估及预警

在模糊理论的基础上,主要利用相对隶属度原则和各个权重的衡量来建立模糊模式识别模型,结合相关数据应用于房地产市场的研究,分析和评估了我国2005—2009年房地产发展形势,并对2010年的房地产发展趋势进行了评判,结果与实际情况吻合良好.     

油藏类型识别的一个模糊数学模型

本文把油气藏分类问题归结为模式识别问题,然后应用模糊模式识别技术,以油藏烃类体系的化学组成为数据特征,采用模糊统计试脸法确定类型模式的隶属函数,建二了油藏类型识别的模糊数学模型,从而较精确地定份描述了诸如油藏、气藏、凝析气藏等概念之间界限不分明的现象.并用实例作了检脸。     

基于模糊模式识别的蠓虫分类数学模型

首先在模糊聚类的前提下根据所给的5组蠓虫实际数据将其分为三个类别作为母本库,然后再利用模糊模式识别的贴近度法将待识别的三组数据进行贴近度计算,最后按照最大隶属度原则将它们归类到母体库中,具有很好的应用价值和广阔的使用前景.     

边坡稳定性评价的多层模糊模式识别方法

鉴于边坡稳定性分析中存在影响因素权重确定困难的问题,在多层模糊优选理论与模型的基础上,提出了多层模糊模式识别评价模型。整个评价系统分为三层,第一层由各影响因素组成,为输入层：第二层由若干子系统组成,每个子系统包括若干影响因素;第三层为输出层,由一个子系统构成。通过比较子系统内各因素的重要性和各子系统的重要性可分别确定子系统内各因素的权重和各子系统的权重,采用这种方式定权比直接对所有影响因素进行比较定权相对容易、合理。第一层和第二层的输出采用二级模糊模式识别模型计算,第三层的输出采用多级模糊模式识别模型计算。实例分析表明,应用该模型进行边坡稳定性评价能取得较好的效果。     

模糊模式识别中隶属函数选取的探讨

通过数值实例,论证了利用最大隶属度原则对三角形类型模糊模式识别时隶属函数选取的优越性,并提出了一种给定阈值且以三角形内角和差关系作为底数变量和指数变量的指数型隶属函数.     

基于模糊模式识别的模块选择算法

阐述了模块化设计中,模块选择的过程与策略.以属性结构为模型的模块数据库为基础,引用隶属度、贴近度等模糊数学的概念,提出了基于模糊模式识别的模块化选择算法,并对该算法的可行性进行了验证.     

相对隶属度与两级模糊识别模型及其在水工评价中应用

根据辩证唯物论关于差异与共维、中介和两极的观点,详细论述了模糊性、模糊概念、相对隶属度、相对隶属度函敬等相对隶属度理论。以该理论为基础建立了两级模糊模式识别模型,讨论了该模型的3个性质,水工坝体实测性态评价的具体应用实例证明,该模型有清晰的物理意义。     

基于生态遗传算法的煤矸石自适应模糊模式识别

给出煤矸石组分模式识别的模糊神经网络模型，提出一种实用生态算子，同时将此基础上构建的生态遗传算法用于模糊神经网络的离线学习，能有效避免传统BP算法学习速度慢、易陷入局部极小的缺陷和基本遗传算法的遗传滑脱现象．仿真和实验结果显示新算法使离线训练的网络具有良好的收敛性能，而且从训练好的定量网络中提取模糊规则用于原煤的在线自动分选，不仅能提高煤中矸石的识别率，而且有效解决了系统识别精度与实时分选之间的矛盾．     

基于特征波形稀疏匹配的滚动轴承故障模式识别

提出了一种基于特征波形稀疏匹配的滚动轴承故障模式识别方法.该方法通过自行设计的搜索算法从信号中提取多段特征波形,并对其进行学习优化,以优化后的特征波形作为基原子模型生成原子库及模式匹配库.将待识别信号在模式匹配库上进行一阶匹配分析,实现轴承故障的模式识别.对正常轴承、滚动体故障、内圈故障和外圈故障信号进行实验,验证了方法的有效性和鲁棒性.     

地下水位动态预测模糊识别全解析模型

为了预测地下水位动态变化,采用理论分析与实验方法,对多目标模糊识别的目标函数进行了全面分析,提出了不同权重情形下的模糊模式识别全解析模型,同时提出了模式样本模糊克隆的概念,并将提出的模型应用于地下水位动态预测.实验结果表明,三种预测模型测试样本的平均误差分别为4.53%、5.33%、4.61%.研究结果表明本文提出的地下水位动态预测方法是有效的.     

模糊模式识别理论在资源枯竭型城市可持续发展评价中的应用

为了促进我国资源枯竭型城市的经济转型,保持其可持续发展,采用模糊模式识别理论,研究了典型资源枯竭型城市-阜新市的可持续发展评价指标体系和定量评价方法,并对阜新市1999年和2007年两年的可持续发展能力进行了对比分析.结果表明:2007年经济的可持续性好于1997年,说明阜新市的经济可持续性正在不断提高.该模式识别方法意义明确,评价结果符合实际,对国内类似城市的可持续发展评价具有一定的参用价值.     

融合主动外观模型与局部二元模式的人脸识别

提出一种新的人脸识别算法.首先,利用主动外观模型(active appearance model,AAM)提取人脸五官特征点,进而获得人脸区域的全局纹理特征;然后对人脸区域中的若干个局部子块进行加权局部二元模式(local binary pattern,LBP)的特征组合;接着分别对这两类特征进行最近邻法则匹配;最后,采用基于模糊综合的原理对这两大类特征进行数据融合,给出最终识别结果.实验表明该算法的有效性,能够很好地结合人脸图像全局和局部的互补信息,识别效果优于各单一模块的分类性能.     

基于森林资源清查数据的江西省主要森林类型净生产力研究

【目的】基于江西省2011年和2016年的森林资源清查数据,分别估算不同森林类型的净生产力,为森林资源科学经营提供依据。【方法】以江西省2011年和2016年两期森林资源清查数据为样本,采用生物量回归模型法,在样木水平上计算单木生物量、累计样地水平生物量并扩大到总体水平,测算乔木层生物量的生长量和枯损量,结合乔木层生物量结果估测灌木层和草本层,并估算不同森林类型的净生产力。【结果】综合考虑森林乔木层生长与枯损、林下灌木层、草本层生物量,基于复位样木,由单木生物量模型得到样地生物量,进而计算江西省主要森林类型的净生产力,得出阔叶混交林的净生产力最高,针阔混交林次之,而针叶林和阔叶纯林的净生产力较低。2011—2016年,江西省森林平均净生产力为7.28 t/(hm²·a),阔叶混交林净生产力最高为11.26 t/(hm²·a)。【结论】在国家标准框架下的森林净生产力估算模式,可为更大范围内、统一标准下客观准确评估森林净生产力提供参考。     

基于多源数据及三层模型的小班林型识别

【目的】目前关于林型识别的研究区域主要为小范围森林区域和林场,为了探究较大范围内林型的识别方法,本研究使用Sentinel-2光学遥感影像、森林资源二类调查数据、数字高程模型(DEM)和Sentinel-1雷达遥感影像数据建立林型识别模型。【方法】以淳安县作为研究区域,针对淳安县各个小班中的7种林型:毛竹(Phyllosstachys edulis)林、茶树(Camellia sinensis)林、山核桃(Carya cathayensis)林、杉木(Cunninghamia lanceolata)林、马尾松(Pinus massoniana)林、阔叶混交林、其他硬阔林进行识别。研究采用分层的方法对林型进行识别,整体分为3层。第1层使用RF算法建立林地与非林地识别模型;第2层对林地数据进行树种结构识别,分别使用随机森林(random forest, RF)、极端梯度提升(eXtreme gradient boosting, XGBoost)和 轻量级梯度提升机(light gradient boosting machine, LightGBM)方法建立不同模型并对比分析实验结果;第3层将树种结构细分为林型。【结果】第1层RF林地与非林地识别模型总体精度为98.08%;第2层树种结构识别模型中对比了3个模型不同特征组合下的性能,其中LightGBM模型总体精度最高,达到81.43%;第3层模型对林型进行识别,基于所有特征结合雷达遥感因子建模的情况下,LightGBM模型精度为84.51%,经递归特征消除法(recursive feature elimination, RFE)选择特征后,最优精度为83.21%。【结论】通过各个模型的特征重要性图发现,光学遥感中的绿光、红光、近红外波段和红边波段,以及DEM提取的地形因子对研究区域小班林型识别有较好的效果,而Sentinel-1雷达中提取的自变量对林型的识别没有特别明显的帮助。