基于多元图图形几何特征的模式识别新方法

在简要比较统计模式识别和句法模式识别优缺点的基础上,进一步介绍了模式识别研究领域中的表示问题和基于几何特征的模式识别方法研究现状,并提出了具有探索性意义的基于多元图图形几何特征可视化模式识别新问题.     

计算机视觉中的图匹配方法研究综述

图匹配是计算机视觉与模式识别领域的基础而又重要的问题.它在诸多方面都有着广泛的应用.从优化角度看,图的匹配问题是一种离散组合优化问题,使得该问题本身具有NP(non-deterministic polynomial)-hard性质.因此,寻找该问题的一种有效的近似解是当前研究的重要问题.论文首先对图匹配问题的的问题表示进行了阐述,并分析了该问题求解的难点和关键点.然后,对近年来计算机视觉研究领域中提出的一些具有代表性的传统图匹配算法进行了归纳和综述.最后,探讨了图匹配的未来研究方向和研究思路.     

模式识别中的表示问题

表示是将客观数据或现象利用数值或者编码方式进行描述,从而使其在一定数学含义框架下彼此相关的过程.在模式识别领域中,表示问题至关莺要,其效果将直接影响后续步骤的复杂程度与分类性能.本文主要对表示在模式识别中的作用、表示问题的理解、表示的原则进行分析并对表示的方法进行归类描述,其目的是吸引更多的同行开展深入的表示问题研究,促进模式识别理论和方法的进步.     

一类循环图及其代数性质

对一类循环图进行了刻划，从而讨论了它们的组合结构与代数性质。     

复杂岩体结构的几何描述

从产状、大小、密度、位置、间距、张开度和终止特性等方面介绍了不连续面几何特征分解研究的方法和成果，旨在使不连续面几何描述定量化、系统化。     

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.     

基于模式识别神经网络的重力匹配算法

为了提高重力辅助惯性导航系统在重力异常明显区域内的定位精度和匹配率,用模式识别神经网络的方法进行了重力匹配.在匹配时刻,根据惯导指示位置确定在一定的网格点范围内搜索载体真实位置,以每个网格点为终点把惯导指示航迹放置到重力图上,由此提取一系列的参考重力图上数据,并把它和对应网格点的位置定义成一个模式类,把所有的模式类作为概率神经网络的样本训练一个模式识别神经网络,然后把重力仪测量数据使用该神经网络识别到某个模式类,对比模式类的定义可以确定此时的载体位置.计算仿真研究表明,该算法的重力匹配率优于通常的相关匹配算法,其组合导航系统的定位误差在1个重力图网格左右.     

一种FPGA结构描述文件到布线资源图的转换系统

作为描述FPGA硬件资源的结构描述文件,不仅能被解析以抽取FPGA芯片内部的结构信息,并且能被转换到布线资源图以获得FPGA可编程布线资源的通用抽象模型。采用有向图来构建FPGA布线资源图和描述FPGA拓扑结构,其中FPGA的每个逻辑块端口或互连线段对应于布线资源图的顶点,FPGA的逻辑块端口与互连线段、互连线段之间的可编程通路构成了布线资源图的有向边集。然后阐述了FPGA结构描述文件到布线资源图转换系统的流程图,还给出了FPGA结构描述文件编译所需的EBNF表达式和结构线网到布线资源图的自顶向下转换算法。最后,在Windows平台下用C++实现了该转换系统,并选用Virtex-6型号Slice结构测试用例,进行了FPGA结构描述文件到布线资源图的转换,验证了FPGA结构描述文件到布线资源图转换系统的正确性和有效性。     

协同设计的三维几何模型多粒度描述方法

为了保持协同设计中几何模型信息获取和信息传递的通畅,研究了三维几何模型不同粒度描述的组成部分,包括三维模型的几何知识,与制造工艺及产品生命周期相关的形状特征信息.由于粗粒度的描述方法过于注重信息描述的形式,细粒度的描述方法过于注重信息描述的内容,粗粒度和细粒度的描述方法均不能满足产品生命周期中的某些特定应用阶段的需求,所以提出了能克服粗粒度和细粒度描述方法固有弊端的多粒度描述方法,既能满足多方协同用户的需求,又能满足网络信息传输的需求.     

基于2D图表示原理的模式识别研究开放性问题

在基于多元统计图表示原理的信息融合与模式识别研究取得阶段性成果基础上,给出了可视化模式识别的理论研究框架关联图.基于对理论框架关联图的分析和分解,提出了基于2D图表示原理的模式识别研究开放性问题.这些问题既是需要深入研究的工作,也是完善这个重要理论的基础,对于建立一个崭新观点的模式识别理论具有重要意义.     

多元图图形基元和特征基元提取与表示方法

提出一种多维数据多元图图形基元和特征基元提取和表示的方法.首先应用多维数据多元图表示原理实现无结构数据的结构化表示,然后在建立基于多元图图形基元和特征基元表示的一般化表示模型基础上,提取出了表征多元图图形的图形基元和特征基元.为验证该方法的正确性,采用UCI机器学习数据库中的Iris等数据进行了分类实验,不同分类方法实验结果对比证明该方法具有较好的识别效果.     

模式识别方法预测蛋白质二级结构的研究

提出一种预测蛋白质二级结构的模式识别方法。该法首先对大量已知结构的蛋白质实验数据进行分析，找出鉴别蛋白质不同结构成分的有效信息，即设计分类器，然后实现对未知蛋白质二级结构的预测。用此方法对６４０个实验样本进行了研究，得到较高的预测精度，表明方法是有效的。还对实验结果进行了分析；讨论了有限样本对分类器性能的影响。     

一种有监督的模糊模式识别模型

给出了一种有监督的两类模式识别模型，该模型允许选取模糊特征，其学习或训练方法是模拟人们认识事物的过程实现的，它是Ｃｏｒａ－３模式识别方法的一种拓广。因此可作为较复杂的智能系统或专家系统的识别模型．     

基于概率图模型技术的柱面全景图生成算法

为解决复杂场景下的全景图生成问题,应用了基于概率图模型的图像匹配技术,提出了一套完整的柱面全景图生成算法。采用动态阈值法对从图像中提取的H arris角点进行初步筛选,并结合图模型算法进行精确匹配,通过对匹配后特征点的迭代投影获得摄相机焦距,对原始图像进行柱面投影并融合。该算法具有对光照不敏感和全局最优化的特性,对图像噪声和特征点提取不准确有强健的承受能力,并有效地降低了计算复杂度,使算法更具有实用性。实验结果表明:能够对存在人车移动噪声和相机几何畸变的复杂场景正确合成360°全景图。     

模式识别在RoboCup中的应用

在RoboCup仿真比赛中,球员的个体技术是比赛成功的重要因素,在充分分析RoboCup比赛个人技术中的两类技术,即判别函数、动作函数的确定方法的基础上,将模式识别的理论应用于RoboCup仿真比赛的个体技术中,分别使用判别域代数界面方程法确定判别函数,神经网络法确定动作函数,以射门和截球为例,详细叙述了设计过程,最后,使用传统方法和使用模式识别方法的球队在RoboCup仿真比赛中进行比赛,试验证明使用模式识别方法的球队,在比赛中个体技术显著提高。     

一种用于模式识别的动态RBF神经网络算法

对径向基函数（RBF）神经网络在数据分类中的应用进行了研究．提出一种应用于模式识别的动态RBF训练算法,该算法使用区域映射误差函数并结合资源分配网络（RAN）的“新性”（novelty）条件动态调整网络的隐层节点数,从而可以更加有效地进行模式识别．二分类样本和建筑材料CaO-Al2O3-SiO2系统仿真表明,该改进算法使误差下降更快,减少了训练次数,可以获得精简的网络结构,从而使网络具有较高的泛化能力．