模式识别中不同记忆编码的模式和模板的匹配

通过一项全部报告实验和两项抽样汉字识别实验,探讨了模式识别中不同记忆编码的模式和模板如何匹配的问题.实验结果显示:全部报告实验中,待识别汉字模式平均转换到短时记忆的量为3.64个,比进入到感觉记忆中的信息量(8个)少得多,这表明感觉记忆信息向短时记忆的转换受到了约束;抽样汉字识别实验1中,匹配汉字模式识别量与其转换量之间无显著差异(p＞0.5),说明转换到短时记忆的信息被等消耗识别;抽样汉字识别实验2中,匹配汉字模式识别量约为其转换量的2倍,差异显著(p＜0.001),基于受约束转换和等消耗识别现象,由模式识别信息来源的判据的判据可知,模式识别直接利用了感觉记忆编码的模式信息.抽样汉字识别实验2中,与模式进行匹配的模板只具有短时记忆编码,因此,有理由认为:模式和模板能以不同的记忆编码直接匹配.     

MLDA+LDA:手写汉字识别中一种两级LDA分类方法

线性判决分析(lineardiscriminateanalysis,LDA)作为一种经典线性工具已经被广泛地运用在各种模式识别问题中,为了降低参数估计误差对于LDA性能的影响,我们提出了一种改进的线性判决分析(modi-fiedlineardiscriminateanalysis,MLDA)算法,并运用到手写汉字识别中,使得识别率有所提高。在此基础上,针对大类别的汉字识别问题,提出了两级LDA的手写汉字识别方法,即MLDA LDA。在对GB2312—80的1034个汉字类别的350套手写样本的实验表明,这个两级LDA识别策略针识别率较最小距离分类器有着3.77%的提高,较LDA 最小距离分类方法有1.71%的提高,表明方法的有效性。     

大量印刷体汉字的识别研究

本文的识别方案是在我们对304个汉字识别研究的基础上提出的。就形体结构而言,汉字可由字块、边旁、部首等组合而成,因此我们按字块、边旁和部首进行识别时的第一级预分类,以解决汉字数量庞大这一突出的矛盾。然后按笔划密度进行第二级预分类,并根据轮廓投影幅值谱进行识别。此种方法用于识别大量印刷体汉字是比较合适的,信息量可大大压缩,识别速度可显著提高。本文叙述了有关2000余汉字在 Wang—2200系列 MVP 型计算机上模拟试验的结果。     

人民币纸币冠字号码字符识别方法研究

以倾斜校正算法和模式识别算法2项核心技术为目标,充分利用霍夫变换法和最小二乘法在直线检测中的优点,采用一种结合霍夫变换法和最小二乘法的直线检测算法来求得人民币纸币图像的边缘直线及边缘直线的倾斜角度参数,并采用图像旋转变换算法实现对原倾斜人民币图像的倾斜校正.采用Hopfield神经网络的联想记忆功能,缩小待识模式与标准模板的差异,再用模板匹配法对Hop field神经网络的输出结果进行识别,得到最终的识别结果.实验证明,结合Hopfield神经网络和模板匹配法的人民币冠字号码识别方法具备较高的识别率.     

手写体汉字集成识别技术的研究

手写体汉字的计算机自动识别是一个高难度的模式识别问题,用单一识别方法难以达到理想的识别率。本首先分析了汉字识别方法的基本特点以及字符集成识别技术中存在的问题,然后结合认知科学 的研究成果,提出了手写体汉字层次集成识别的思想。     

基于反馈的手写体汉字识别系统

文章构建了一种基于反馈的手写体汉字识别系统,在完成首次识别之后,将识字结果信息进行反馈,依据反馈结果定义了3种广义识字误差;通过对3种广义误差的类型和数值进行定性与定量相结合的分析,建立了识字误差的分析方法;实验表明了方法的有效性.     

基于字符组合特征及BP神经网络的车牌汉字识别

提出了一种车牌汉字识别方法.该方法基于统计特征中的投影特征将车牌汉字根据结构特征进行粗分类,对于粗分类结果建立不同的BP神经网络分类器,训练完毕后,以MATLAB为软件平台,利用网络参数对车牌汉字进行分类识别.结果表明,该方法对车牌汉字识别有效,识别率高.     

汉字多属性认知特征提取研究及应用

摆脱传统汉字特征提取时基于二维平面象素点的统计和结构的分类方法.采用仿生模式识别思想,将汉字拆分为计算机算法可直接认知的基本笔划的组合,并对笔划进行数量、排序、位置,游程的属性编码,提出汉字多属性认知特征概念.方法很大程度上排除了传统汉字整体特征提取中信息的混淆和冗余,提高了字符识别正确性,实时性.用于车牌识别达到很好的实用指标。     

文字识别中特征与相似度度量的研究

在大样本测试集下国内现有成熟的OCR识别软件的首位识别准确率为95%~97%之间,在准确率和方法上仍有提升和改进的空间。提出一种基于概率特征和结构特征融合的自适应文字识别算法,模拟人类学习的模式,通过对训练样本的不断学习去构建汉字在测量空间的概率分布矩阵,然后比对原始图像和标准汉字库中汉字的概率分布矩阵的相似度来达到汉字分类的效果。其中相似度度量准则是从矩阵空间的结构和概率2个角度出发去构建的,充分考虑了结构模式识别和统计模式识别的优缺点。实验结果显示算法在训练样本下的首位识别正确率可以达到99.66%,在1 623张非训练样本文字图像下的首位识别正确率可以达到99.13%,在5 515张非训练样本文字图像下的首位识别正确率可以达到98.57%。可以证明提出的相似度度量方法在文字识别中的有效性。     

多特征与BP神经网络车牌识别系统研究

汽车牌照识别技术是智能交通管理系统中的关键技术;基于数字图像处理理论,将计算机视觉与模式识别技术相结合,对车辆牌照识别系统进行了研究。为了提高系统车牌识别能力,提出了一种综合颜色特征和投影特征相结合的车牌定位方法。字符分割采用了投影法;字符特征选取了互补性强的粗网格特征、投影特征以及外围轮廓特征;最后采用BP神经网络进行车牌字符识别。对车牌字符的识别分为汉字、字母及字母数字三类进行。实验表明,多种图像处理技术与模式识别技术有机结合能有效地提高系统的识别能力;本系统所采用的方法取得了较好的识别效果。     

基于粒子滤波的分布式智能故障诊断系统研究

针对传统故障诊断系统硬件结构以及故障识别算法过于复杂的问题,提出并研究了一种基于粒子滤波的分布式智能故障诊断系统.该系统采用ZigBee无线传感网络实现系统分布式多变量参数的实时采集,基于粒子滤波算法在线处理各变量数据,并基于简易模式识别算法获得系统真实状态的准确估计,实现系统故障的智能诊断与故障预示.智能故障诊断系统由ZigBee无线传感数据采集网络、粒子滤波算法、系统状态模型和故障模式识别四部分构成.粒子滤波算法基于粒子序贯重要性重采样和蒙特卡洛方法对传感器采集数据滤波,抑制或消除干扰及显著性误差对系统状态估计的影响,可避免粒子退化.故障模式识别就是求取与粒子滤波输出的系统状态估计曲线残差之和最小的系统状态模型.智能故障诊断系统的实现和实例实验结果表明该系统能实现对象的远程监测、对象状态的精确估计、对象故障的准确诊断,拓宽了分布式传感网络的应用范围,并具有成本低、可靠性高、实时性好和易实现的优点.     

岩石力学的一种集成智能理论模型

应用系统论、控制论、不确定论、智能论等的思想，提出了岩石边坡设计的集成智能模型，该模型包括多方法混合决策的智能系统模型、岩石力学专家的形象思维，逻辑思维和创性思维综合模拟的全智能系统模型。     

大数据时代的车牌汉字识别

在大数据时代, 交通信息成为网络数据量最大的数据来源之一, 智能交通成为必然需求. 车牌识别是智能交通的基础, 可广泛应用于车库管理、交通监控等工程中, 然而识别的准确率还有待加强, 已有算法对于字母、数字的识别准确率都非常高, 而对于中国特有的汉字识别却效果不佳. 提出用受限玻尔兹曼机组成的深信度网络算法来识别车牌字符, 大大提升了汉字识别的准确率, 使准确率达到99.44%.     

基于改进支持向量机的冷轧带钢表面缺陷分类识别

针对冷轧带钢表面缺陷图像模式识别中存在的问题,提出了基于改进支持向量机的冷轧带钢典型表面缺陷分类识别方法.根据带钢表面缺陷图像识别的特点,对渐进直推式支持向量机在其基本原理基础上加以改进,设计了一种冷轧带钢表面缺陷图像模式识别的分类器.通过实验确定了分类器的结构,给出了相关参数选择的方法.对几种生产现场出现频率较高的典型缺陷图像进行了计算机实验研究.研究结果显示,这种分类器很好地克服了传统支持向量机中存在的推广性能差以及当类别距离过近时准确率下降的问题,具有更好的适应性和准确性.     

基于隐马尔可夫模型的舰船辐射噪声目标识别

将隐马尔可夫模型引入到舰船噪声目标识别中。选择MEL频率倒谱及其差值参数作为模型的观察序列,分别采用Baum-Welch算法和Viterbi算法对模型进行训练和识别。对这一模型进行了计算机模拟,并利用潜艇、鱼雷和水面舰3类目标的海上实录噪声对其识别性能进行了测试,正确识别率为87%。实验表明,用隐马尔可夫模型对舰船辐射噪声进行目标识别可以取得较好的效果。     

车辆牌照自动识别系统预处理算法研究

车辆牌照自动识别系统是近几年国内外模式识别应用研究领域的一个热点。本文对系统中图象预处理环节涉及的新算法、新技术做了一个比较全面的论述 ,对一些关键的技术问题进行了深入探讨 ,实现了复杂背景中牌照的自动分割与字符切分     

人脸识别的协同算法实现与改进

从协同模式识别的动力学方程出发,研究了协同识别算法中的序参量和注意参数,提出了变注意参数方法,推导了相应的变化方程,以加快人脸识别过程,减少迭代次数,对加噪人脸图像的识别实验表明,协同算法对噪声具有较好的鲁棒性,同时识别迭代次数减小至１／８左右,证实了变注意参数方法的有效性。     

基于Mahalanobis距离与BP网络的图像小波标定识别技术

针对计算机芯片检测,提出了基于Mahalanobis距离与BP人工神经网络的小波图像识别技术．在对Ic芯片图像进行二维小波分析后,通过Mahalanobis距离在图像的低频小波系数矩阵上进行目标图元的区域搜索与位置标定,而后根据待定目标图元像素分布特征建立特征参数向量,建立BP网络对目标图元进行模式识别．实验证明此方法能够有效地对IC图像进行目标图元的位置标定与模式识别,获得准确的IC标定识别结果．     

基于Multi-Agent技术的三层信息融合系统研究

针对传统传感器网络管理复杂,系统信息融合智能化不高、精度低和模式单一、结构不清晰等不足,首先分析了Multi-Agent技术、传感器网络技术以及信息融合技术的独特优势,然后采用计算机网络分层结构思想和基于人工智能本体的知识表达理念,在信息融合过程中采用改进的SVM分类方法,构建了一种基于Multi-Agent技术的多传感器三层信息融合系统并对其具体融合过程进行了分析。最后对分类过程用MATLAB进行了分析。实验结果表明:系统分类精度较高,一定程度上不仅明显弥补了传统传感器的诸多不足,而且为后期决策提供了较为精准的目标参数。     

公路路基智能压实控制技术反馈模型优化

为提高基于碾压参数与填料属性建立的公路路基智能压实控制技术多元回归反馈模型的控制精度，建立了仅考虑碾压参数的多元回归模型，并在分析含水率对振动测值影响规律的基础上，以含水率作为修正参数对模型进行优化。反馈模型和优化反馈模型的实例应用结果表明：虽然采用2种反馈模型进行公路路基智能压实施工控制均满足规范压实质量要求，但优化反馈模型的合格率高于反馈模型，控制精度提升了54.1%,证明了优化反馈模型的科学性与可行性。