图像阈值化技术的综述、分类及评价

对图像阈值化方法进行了综述,并对其性能进行了评价和比较·在全面比较和分析的基础上,对其进行综合分类,找出它们的差别和相似之处,归纳总结了阈值化技术的五个分类,它们分别是:基于聚类的方法、基于直方图的方法、基于熵的方法、基于空间方法和基于局部自适应方法·     

基于FCA的本体合并方法的研究

目的研究基于FCA的本体合并方法。方法采用基于FCA的2种方法FCA-Merge和OntEx进行本体合并。结果FCA-Merge方法采用自底向上,描述了本体合并的全局过程;OntEx方法通过和用户的交互,结合启发式思想完成本体合并任务。结论基于FCA的本体合并方法克服了传统本体合并方法的缺点。     

一种改进的DCT图像压缩算法的研究与仿真

图像压缩技术是促进多媒体进一步发展的关键技术,首先利用基于DCT的方法对图像进行压缩,但在解码端会产生"块效应".针对DCT方法的缺点提出基于自适应邻域的改进压缩算法.利用MATLAB对基于DCT的压缩方法和基于自适应邻域的改进算法分别进行了仿真,仿真数据表明,基于自适应邻域改进的方法不但简单易行,而且也提高了图像质量.     

基于SOPC的嵌入式网络摄像头的设计

目的 研究基于SOPC的嵌入式网络摄像头的设计方法.方法 利用基于FPGA设计技术实现视频信号的采集、编码和传输.结果 按H.263编码标准,基于SOPC设计技术,完成了网络摄像头的设计.结论 基于SOPC设计方法可以灵活高效的实现网络视频信号的编码与传输.     

基于乘法更新规则的k-means与谱聚类的联合学习

k-means和谱聚类是两种应用最广泛的聚类技术.k-means是基于矩阵分解的聚类方法,并且是在数据空间上基于误差极小化的聚类方法.谱聚类是基于图的聚类方法,并且是基于两点在数据空间和特征空间的相似性保持的聚类方法.为了利用两者的优势,提出一种基于乘法更新规则的k-means和谱聚类的联合学习方法,该方法将k-mea...     

基于模型的故障诊断中的模糊建模和推理

分析了基于模型的故障诊断方法的原理和特点以及其他故障诊断方法（基于规则、基于人工神经网、基于案例）的局限性．针对基于模型的故障诊断,提出了运用人工神经网和遗传算法的模糊建模方法,简化了建模复杂性．给出了基于模糊模型的故障诊断推理方法,从而能有效地处理复杂系统的故障诊断     

一种混合的中文分词算法

给出了一种将基于统计与基于词典方法融合而成的混合中文分词方法,利用统计方法进行词典的动态扩展,克服了基于词典算法对"完全词典"的依赖;利用词典对统计的一些参数进行估计,避免了以往靠实验得到这些参数的不确定性,同时将RMM算法与统计算法结合起来.最后通过仿真说明该混合算法比传统的基于词典和基于统计的方法更有效.     

服务于智能交通系统的离群交通数据识别

为了提高交通建模的准确性和可靠性,或者提取重要的有价值的隐藏信息,将离群数据挖掘技术引入交通数据处理.首先分析了3种典型的离群数据挖掘算法:基于统计的方法、基于距离的方法以及基于密度的方法的原理、特点和时间复杂性;其次给出了2个实例分析,一是在建立交通流量预测模型前,将基于统计的方法和基于距离的离群检测方法分别用于交通量时间序列,寻找离群数据;二是将基于距离的方法和基于密度的方法用于路面平整度检测.实例研究表明,离群数据挖掘算法可有效识别异常交通数据,在交通工程领域具有较大的应用潜力.     

一次性作用产品可靠度的Bayes置信下限

针对高价值一次性作用产品的小样本可靠性评估问题,选用带有k因子的先验分布,基于贝塔分布的双层先验分布,以及基于均匀分布的双层先验分布,研究了一次性作用产品的可靠度置信下限的估计方法.由模拟研究得出,在有历史数据时,基于k因子贝塔先验分布的估计方法比WCF方法精确;在有不完全历史信息时,基于贝塔双层先验分布的方法比基于均匀双层先验分布的方法精确.     

一种基于机器学习的专家系统知识获取方法

提出一种基于机器学习的混合知识获取方法,该方法结合了基于历史数据的规则提取方法和基于模型的规则提取方法。使用这两种方法提取规则,将其应用于对原油电脱盐系统的故障诊断中。实验结果表明,该方法能够有效的进行规则的提取,为故障诊断打下了良好的基础。其中基于历史数据的规则提取方法通过基于遗传算法的粗糙集约简来实现;基于模型的规则提取方法利用了符号有向图(SDG)的计算机自动推理结果,将因果图转化为规则。利用两种规则获取方法同时充实专家系统知识库,提供覆盖整个工艺流程的知识。