基于小波变换的心室晚电位检测

采用改进的小波变换对２８例信号平均心电图进行小波分析，得出其频谱标测图，并计算了晚电位检测的一种定量标准———正常因子．研究结果表明，利用小波变换分析晚电位是一种较好的方法，按照正常因子标准，２８例信号平均心电图中包含的６例晚电位阳性全部检出，且没有错检，说明其检测的准确性很高     

基于改进ART2神经网络的绝缘子故障在线诊断

根据绝缘子在线检测的特点,提出了基于改进ART2神经网络的绝缘子故障在线诊断技术．改进的ART2神经网络在F2层增设初始状态层,即F2层分为上子层F22和下子层F21．F22层存储绝缘子首次投运时的初始状态和已知的典型故障类型,F21层存储新增故障类型．在绝缘子故障诊断过程中,首先应用电晕电流脉冲测量仪在线测量绝缘子的电晕电流脉冲,然后绘制电晕电流脉冲的N-ψ图,并将其作为故障诊断的特征量送入改进的ART2神经网络进行模式识别．被检测的特征量先与F22层中的初始状态和已知的典型故障类型进行比较,如果匹配则判为该类;如果不匹配,再与F21层中的新增故障类型进行比较;如果都不匹配,则在F21层中创建新增故障类型．改进ART2神经网络解决了传统ART2神经网络聚类中心漂移问题,杜绝了绝缘子故障漏判的发生．仿真实验结果表明,应用改进的ART2神经网络可有效实现绝缘子故障在线检测,获得较好的诊断结果．     

粗糙表面光学傅氏谱的数值分析及应用

以傅立叶光学理论为基础，对一维随机表面光学傅立叶频谱强度分布的数学期望进行了理论分析和数值计算，得到不同表面参数对应的谱强度分布数值表达形式，计算结果与实验符合较好在此基础上提出一种可用于表面粗糙度在线检测的模式识别方法．     

多类分类模式识别系统一致性信度的研究与应用

运用模式识别和数理统计的基本原理。研究了多类分类模式识别系统识别的K指标评鉴标准．通过构造一个分类结果的统计量,分析了K指标的点估计、区间估计的计算方法。给出由指标K的点估计值、区间估计优化分类参数的算法,提出一种优化过程的统计学习方法．     

基于小波变换和模糊c-均值聚类的图像边缘检测

提出一种结合小波变换和模糊聚类技术对图像边缘进行检测的新算法．首先,对图像进行小波变换。并将相邻尺度小波系数相乘以增强边缘和去除噪声,然后利用模板得到四个方向的小波模梯度值,并以其作为特征作成待分类点集,最后,采用模式识别中的模糊c-均值聚类技术进行自动分类,实现边缘检测．实验结果表明,该算法具有较好的边缘检测和抑制噪声的能力。     

基于主元分析的频谱整体识别方法

根据频谱的整体数据进行模式识别和分类时必须考虑如何降低识别过程中的计算量问题,提出了一种基于PCA的频谱整体识别方法.该方法将N点频谱视为N维空间中的点,首先利用已知频谱样本建立数据矩阵,继而进行PCA处理并确定满足信息保留率门限值的主元方向个数,实现高维数据的降维,并计算各类频谱在低维空间投影点的中心,得到数据模板.在方法的识别应用中以距离最小为判据准则进行识别归类.数值仿真和语音识别实验结果说明所提方法性能稳定,识别准确率较高,具有一定的实际应用价值.     

模糊中心聚类的模式识别学习方法

基于一个约束条件下的非线性规划问题的优化计算思想，把模糊中心聚类中计算输入矢量与中心的距离来实现聚类作为一种优化计算问题，证明了模糊中心聚类方法，取一个适当的属函数，其聚类中心vi为模糊聚类中心价值函数的极小值，推导出了基于模糊中心聚类的模式识别的无导师递推学习方法，提出了模糊中心聚类模式分类神经网络结构，该网络可以实现并行数据处理和模式分类的软划分和硬划分。     

基于非线性构效关系的数据发掘在药物发现中的应用

数据发掘和定量的构效关系(QSAR)是药物发现中重要的研究方法．本首先介绍了一种极具实用价值的无模式分类与模式识别的基本方法，即k最近邻法．该法应用于QSAR研究时通过若干电子、拓扑结构参数计算分子间的欧氏距离来比较其相似性，并以最相似若干分子已知活性的加权平均来估算新结构的活性数据．整个运算过程利用模拟退火法并结合遗传算法和留一-交叉验证法优选出适当的结构参数和近邻数目．本以一组已知活性的单核苷酸分子为例，对NCI和Maybridge化学数据库的分子运用kNN法进行数据发掘，通过计算数据库中分子与已知活性分子的相似性来进行筛选和活性预测，从而得到与已知结构最相似的分子，为搜寻潜在前导化合物提供重要参考信息．     

模糊聚类法在我国城市内河水质污染分类研究中的应用

运用模糊ISODATA分类方法对我国67个城市共87条主要城市内河(包括中小型河流城市区段)，选取了包括氧平衡参数、营养元素、重金属离子、油类等共12个指标进行水质污染程度的分类研究．在以上分类的基础上，选取污染超过地表水环境质量Ⅲ类标准的53条城市内河计算污染分担率，对其按污染类型进行分类；并探讨了城市内河污染类型与城市产业结构之间的关系．     

物探异常的间接模式识别

利用模糊数学知识,对物探工作已知区和未知区的各异常,选择描述其特征的数量化指标,构成各异常的模糊集,然后采用ＩＳＯＤＡ－ＴＡ模糊聚类方法,将巳知区异常分成地质、物探特征各异的若干类,作为已知模式。进而对未知区各异常作间接模式识别,将其归入和已知模式中贴近度最大的那个模糊集,从而将“从已知到未知”这一解释推断原则定量化、客观化。运用该方法对大足一壁山一带航磁剩余异常的间接模式识别取得了较为满意的结果。     

基于脉冲漏磁检测原理的缺陷分类识别技术

脉冲漏磁检测是一种快速发展的无损检测方法,而相应的缺陷分类识别是缺陷检测与评估中的关键步骤之一.在介绍脉冲漏磁检测原理的基础上,设计了新型传感器,对不同类型缺陷的标准试件进行了测试;通过对缺陷瞬态差分信号的时、频域特性进行分析,提取了峰值、过零时间以及频谱中一特定频率点的幅值作为特征量对缺陷进行分类识别.实验结果表明该方法可对10 mm钢板表面以及下表面缺陷进行有效的分类识别.     

基于小波变换和灰度-梯度共生矩阵的局部放电特征提取及识别

为了能够充分利用局部放电(Partial Discharge, PD)信号中包含的特征信息,提高变压器内部局部放电类型的识别率,文中提出了一种基于小波变换(Wavelet Transform)和灰度-梯度共生矩阵(Gray-GradientCo-occurrence Matrix,GGCM)算法的局部放电类型识别方法。结合变压器内部结构特点,设计四种局部放电缺陷类型,在实验室搭建变压器局部放电实验检测平台,通过脉冲电流法采集局部放电高频电流信号。运用小波变换对非平稳信号处理时的灵活性对局部放电信号脉冲构建时频谱图;然后结合GGCM算法提取时频谱图的15维纹理特征组成特征向量;将特征向量输入到支持向量机(Support Vector Machine,SVM)分类器进行模式识别。结果表明,小波变换和GGCM算法结合的识别方法能够有效地对不同局部放电缺陷类型进行识别。     

中草药质量模式综合判定

介绍了中草药指纹图谱的用途和计算机解析方法及模式判定的过程和实现方法, 探讨了系统采用的关键技术, 即指纹图谱的存储方法和判定方法, 对指纹图谱中色谱峰的重叠率评价参数进行了说明, 并给出评价模型, 设定判定标准为小于40％, 40％~70％和大于70％3个等级. 以新疆紫草为识别标准, 对2种产地未知紫草样本进行了识别, 并对系统进行了验证.      

基于小波低频子带的奇异值分解的图像识别

提出一种基于小波低频子带的统一特征空间奇异值分解的人脸识别方法.首先利用小波变换提取人脸图像的低频子带,然后作傅立叶变换,获得低频子带的频谱;将低频子带的频谱投影到标准脸奇异值分解的统一特征空间,投影系数作为人脸识别特征;采用L_1距离进行最小距离分类,实验结果表明,该方法比统一特征空间奇异值分解方法可获得更高的识别率.     

铁矿石的X-射线荧光光谱分析

在3070型X-射线荧光光谱仪上,对铁矿石中Fe,Ca,si,Mn,Al,Mg,P等七个元素的仪器测试条件分别进行了选择。选用不同类型铁矿石多个标准样品进行数学校正回归从而确定最终校正项及校正系数,应用于实际试样分析。得到满意的结果。由此而确立的熔融法制样,经验系数法数学校正,测定铁矿石中TFe,CaO,SiO_2,MnO,(Al)_2O_3,MgO,P的X-射线荧光光谱分析方法,可适用于原矿铁精矿、烧结矿、球团矿等各种类型的铁矿,使用统一的工作曲线,分析误差符合日常生产分析要求。     

光全息技术辅助扬声器设计

高保真重放系统扬声器是高级音响设备的最基本的元件之一.扬声器的发声主要靠两个方面,一是音圈的振动转换为扬声器纸盘的振动,二是纸盘的振动推动空气运动,产生声波及声压.理想的情形,在各种声波频率下,纸盘均应作活塞式振动.此时,纸盘幅射声波面积为最大,声压也大;此外,声压也和振幅有关.振幅愈大,声压也愈大.所以声压和纸盘的净体积速度有关.当声压高且频率特性曲线为水平直线时,质量较为理想;如在某频率时振膜上某部份不振,或振膜上各部份产生相互反向振动.则这频率的声压突然大幅度下降,同时产生高次谐波而使音质变坏。在扬声器中提高声压.避免声压频率特性曲线出现谷点是提高质量的关键.     

虚拟听觉重放与听觉声源宽度的扩展

通过心理声学实验研究了用前方一对±45°、±60°、±75°、±90°虚拟扬声器重放不相关噪声信号,以及前方一对虚拟扬声器和真实中置扬声器同时重放不相关噪声信号时,听觉声源宽度(ASW)的扩展和均匀度.结果表明:仅用一对虚拟扬声器重放时,对中心频率为250Hz~1 kHz的倍频程噪声,ASW最宽可以扩展到±70°左右,对粉红噪声ASW最宽可以扩展到±50°左右;当一对虚拟扬声器的张角较宽时,声像扩展不均匀,出现中间空、两边强的现象;当采用虚拟扬声器和真实的中置扬声器同时重放时,中置扬声器相对于虚拟扬声器的重放声压级对ASW的宽度和均匀度都有较大的影响;通过调节中置扬声器的重放声压级可以使ASW均匀扩展到比较宽的位置.进一步的理论计算和实验测量表明:只有在IACC0(双耳信号互相关函数在t=0时的取值)0的情况下,ASW和IACC(双耳信号互相关系数的最大值)之间才具有线性负相关性;而对所有类型的重放信号,ASW和IACC0之间都具有线性负相关性.     

虚拟声重发系统的声场分析及应用

对虚拟声系统的重发声场进行分析与实验,证明了采用三扬声器5虚拟声重发系统可在一定程度上克服两扬声器系统的缺陷,其听音区域得到扩大,声像稳定性得到提高。并且指出,三扬声器虚拟声重发的方法可用于5．1通路环绕声的侧向声像重发、家庭影院的环绕声重发和室内声场可听化模拟。     

基于脉象信号的亚健康状态的识别

提出了一种新的识别亚健康状态的方法.利用HK-2000C集成化数字脉搏传感器提取人体左关处桡动脉脉搏信号,然后计算脉搏功率谱,并在此基础上提取功率谱峰值及功率谱重心,并将它们对应的频率作为特征量,利用线性判别式分析(LDA)对所提特征进行分类.经对30例样本的识别检验,结果表明,用功率谱重心及重心频率作为特征量分类率达到80%,用功率谱峰值和峰值频率作为特征量,分类正确率达到了86.667%.     

联合特征码本树和能量最小化的目标识别方法

针对复杂背景下的目标识别,提出了一种基于特征码本树和能量最小化的概率框架,能同时检测目标位置和区分目标类别的识别方法。为了能加入特征间的空间关系,除了使用单特征码本树,还使用了双特征码本树,并建立一个能量函数来融合单特征码本树和双特征码本树的特征概率匹配结果。最后,通过在测试图像中寻找滑动窗口所在区域的类别能量最小化来确定目标的位置和所属类别。在UIUC和Caltech 101数据库上的实验表明,该方法相比于其他方法具有较高的识别精度。