工程图形的自动跟踪识别算法

就工程图形扫描输入及模式识别的关键问题之一——矢量化处理问题作了探讨,提出了一种将二值点阵图形转换为矢量图形的自动跟踪识别算法。     

基于神经网络的手写电气元件符号识别系统

神经网络模式识别在现代数字图像处理中的应用,是数字图像处理技术的一次革 命．以神经网络模式识别技术在电气元件符号图形识别中的应用为对象,着重于手写电气元 件符号自动识别系统的研究,介绍了整个系统的结构和功能,给出了相应的数据流图和主要数 据结构,提出了一种基于神经网络的模式识别方法,并对系统的实际应用作了验证,为进一步 的研究奠定了基础．     

基于神经网络的手写电气元件符号识别系统

神经网络模式识别在现代数字图像处理中的应用,是数字图像处理技术的一次革命,以神经网络模式识别技术在电气元件符号图形识别中的应用为对象,着重于手写电气元件符号自动识别系统的研究,介绍了整个系统的结构和功能,给出了相应的数据流图和主要数据结构,提出了一种基于神经网络的模式识别方法,并对系统的实际应用作了验证,为进一步的研究奠定了基础。     

基于原型匹配理论的一种模式识别方法研究

本文结合认知心理学中有关模式识别的研究成果,提出了一种新的模式识别方法——基于原型匹配理论的模式识别方法。文中方法定义一个模式识别问题由原型、结构、组合法则构成,这三要素组成原型库和知识库对被识别客体进行识别。文中探讨了基于原型匹配理论的模式识别方法的识别机理、数学模型、识别算法,并对印刷体数字字符识别问题进行了实验研究,实验结果表明文中方法的有效性。     

论数学中的模式识别方法

模式识别是数学学习中的一种常用方法,善于进行模式识别是数学学习者必须具备的一项基本技能.从心理学来看,模式识别的机制可以用模板说、原型说和特征说这三种观点来进行解释,模式识别的类型通常包括对象识别、特征识别、关系识别、句法识别、方法识别及结构识别等.     

基于利萨如图形及关联度分析的高压输电电缆护层故障识别研究

针对高压输电电缆护层故障监测与识别的不足,提出一种基于利萨如图形及关联度分析的高压电缆护层故障识别方法。该方法包含基于利萨如图形的信号分析方法和基于关联度分析的模式识别方法,通过采集高压电缆首末端环流并构建二维利萨如图形,分析获取图形特征参数包括长轴长度、短轴长度、离心率、倾斜角及其变化率并结合采集的环流值作为输入特征向量,通过求解未知故障类型的输入特征向量与已知故障类型参数组成的样本空间向量的熵、熵权、关联系数等得到相应的关联度,实现故障的准确识别。最后以实际线路为参考搭建仿真模型并结合实例分析验证该方法的准确性。研究结果表明:该方法能较准确识别故障类型,这为高压输电电缆状态检修提供了新思路。     

属性测度及其在目标识别中的应用

为了获得一种训练快、精度高、计算量少的雷达目标识别方法 ,研究了属性测度和属性模式识别 ,及属性模式识别在目标识别中的应用 ,并将模糊聚类分析用于属性测度。经过研究发现 ,在不用指标的峰度时 ,可以达到很高的识别效果。与传统的神经网络法相比 ,属性模式识别法在训练速度上得到了大大的提高 ,并在识别效果上优于径向基神经网络法。以雷达目标识别为例证明了该算法的有效性。这为我们研究低分辨雷达提供了一种全新的方法。     

基于原型匹配的模式识别方法

现有的模式识别主要基于事物的区分机理,而不是基于认知机理.文中结合认知心理学中有关模式识别的研究成果,提出了一种基于原型匹配的模式识别方法,给出了该方法的识别机理、数学模型和识别算法.该方法将一个模式识别问题定义为由原型、结构、组合法则构成,由这三要素组成原型库和知识库对被识别客体进行识别,对数字字符图像识别问题的实验结果表明了文中方法的有效性.     

基于简单查询接口的Web数据库模式识别

Web数据库(WDB)提供了不同形式的数据查询接口,基于关键字的简单查询接口(SQI)是其中一种被广泛应用的查询接口,而现有研究主要讨论通过复杂查询接口对WDB作探测查询和模式识别。为此该文提出了一种基于SQI的WDB探测查询和模式识别方法。根据SQI的查询特性提出了基于SQI的满条件查询定义及其生成策略,用以识别接口模式;在结果模式识别中,通过对结果页面中的非查询关键词作扩展识别,提高了结果模式识别的属性召回率。在图书、电影和手机3个领域共35个WDB上的实验证明了该方法可以准确高效地识别数据库模式。     

计算机实现随机音频信号识别

分析了利用自相关函数法实现快速识别随机音频信号,介绍一种用计算机实现随机音频信号处理与模式识别的硬件结构和程序设计。     

语音识别技术探讨

介绍了语音识别技术ASR的发展历史、目前研究方法、技术手段及当前取得的成绩与不足,提出一种新的的研究理论——利用基因算法训练HMM方法.     

印刷体藏文识别技术

藏文字符识别是中国的多文种信息处理系统的重要组成部分,本文论述了印刷体藏文识别系统的原理和预处理、识别、后处理过程,分析了文字识别的常用方法及其优缺点和印刷体藏文识别技术,着重分析了印刷体藏文识别中特征提取和分类器设计这两个关键技术,并对藏文识别研究领域今后的研究方向和发展前景提出了自己的看法.     

模糊模式识别的若干问题研究

本文在原来模糊模式识别的基础上进行分析,阐明了模糊逻辑的特点与识别的关系,提出了模糊模式识别的动态模型,从而指出机器学习在模式识别中的重要性。     

神经网络对带噪声汽车牌照的识别

提出一种用神经网络识别带有噪声字符的研究方法．采用单层反馈网(Hopfield网)模型及在模式中应用双联想记忆BAM网络的快速增强算法，对字符进行识别．得出此方法可正确联想出无噪声的原模式，而且具有更好的辨识率．     

基于深度学习的二值图像目标轮廓识别算法

针对传统目标轮廓识别算法对图像目标轮廓识别精度较低、 效果较差的问题, 提出一种基于深度学习的二值图像目标轮廓识别算法. 首先, 选取深度学习算法中的深度卷积网络算法识别二值图像目标轮廓, 将二值图像划分为不重叠的、 大小相同的子块图像输入深度卷积网络第一层; 其次, 卷积网络中的滤波器（卷积核）采用传统神经网络算法优化的代价函数对输入子块图像实施卷积滤波, 并将卷积滤波后下采样图像发送至第二层, 第二层经过相同处理后将结果输入第三层, 第三层输出图像即为该子块目标轮廓识别结果; 最后, 所有子块识别结束后在输出层通过全连接方法将其聚类, 并输出最终二值图像目标轮廓识别结果. 实验结果表明, 该算法识别15幅二值图像目标轮廓的识别精度平均为98.75%, 信噪比平均为2.42, 识别效果较优.     

基于深度学习的二值图像目标轮廓识别算法

针对传统目标轮廓识别算法对图像目标轮廓识别精度较低、 效果较差的问题, 提出一种基于深度学习的二值图像目标轮廓识别算法. 首先, 选取深度学习算法中的深度卷积网络算法识别二值图像目标轮廓, 将二值图像划分为不重叠的、 大小相同的子块图像输入深度卷积网络第一层; 其次, 卷积网络中的滤波器（卷积核）采用传统神经网络算法优化的代价函数对输入子块图像实施卷积滤波, 并将卷积滤波后下采样图像发送至第二层, 第二层经过相同处理后将结果输入第三层, 第三层输出图像即为该子块目标轮廓识别结果; 最后, 所有子块识别结束后在输出层通过全连接方法将其聚类, 并输出最终二值图像目标轮廓识别结果. 实验结果表明, 该算法识别15幅二值图像目标轮廓的识别精度平均为98.75%, 信噪比平均为2.42, 识别效果较优.     

基于局部线形嵌入算法的雷达目标识别

维数约减问题出现在信息处理的许多方面,非线性方法主要有局部线性嵌入LLE (Locally Linear Embedding) 、拉普拉斯特征映射(Laplacian Eigenmap) 、基于Hessian 矩阵的LLE 等,它们通过在高维空间中设计数据集所在流形的拓扑、几何等特性,很好地弥补了线性降维不能发现数据集非线性结构的不足.其中局部线性嵌入这种非监督学习算法应用广泛,在此基础上将其用于作为雷达目标识别的五种飞机数据,取得了很好的效果.     

基于改进KNN算法的语音情感识别系统

语音是人类表达情感的重要方式之一,语音中情感信息的识别已然成为人机交互不可或缺的组成部分,目前的语音情感识别技术存在一定的问题,如冗余大、识别率低等,故提出一种改进KNN识别算法。首先提取能够表征音频情感信息的特征参数,并通过优化算法对其进行筛选,然后对优化特征集运用所提算法进行识别验证。实验结果表明,笔者所提的识别算法能够用于基于语音信息的个体情绪识别状态。     

基于EHMM的人脸识别

人脸识别系统从广义上说大致可以分为人脸检测、定位与跟踪,人脸表征,人脸识别,表情/姿势分析,生理分类等五个方面.人脸的特征提取和人脸图像匹配这两部分是最重要的,也是决定人脸识别系统的准确性和效率所在.采用2D-DCT变换进行人脸特征提取和EHMM模型进行人脸图像匹配(人脸识别),并用多样本加权合成的EHMM训练的方法,取得了较高的速度和识别率.     

噪声环境下语音识别方法研究

研究了6种噪声背景下与说话人有关的孤立词语音识别方法。它们是：线性预测误差法,单边自相关线性预测法,语音前端声学处理法,正则相关分析的谱变换补偿方法,特征综合法和同模极点增加法。实验结果表明,这6种方法都有效地提高了噪声环境中语音识别率,其中较好的方法在强噪声环境中(信噪比为0dB)的语音识别率达到80%以上,为信噪比较低的噪声环境中自动语音识别展现了美好前景。