海洋浮游植物自动分析和识别技术

浮游植物是海洋生态系统的初级生产者．对其种类的分类鉴定和定量分析是海洋科学研究和应用的基础性工作．传统的分析方法主要采用显微镜下的人工鉴定和定量计数．为了适应海洋科学和环境监测中的快速检测的需要，解决目前显微镜人工鉴定中存在的专业水平要求高、分类人员断层、耗时等问题，至今已有不少学者对各种浮游植物自动分析和识别方法进行了研究．包括基于藻细胞形态的与计算机技术相结合的图像法，基于藻类色素组成的吸光光度法、荧光分光光度法和高压液相色谱法．基于藻细胞大小、色素组成、DNA等的流式细胞仪法，基于细胞基因系列的分子探针法等．本文对这些方法的原理、发展动态、优缺点等进行了综述．认为基于藻细胞形态的浮游植物显微图像自动识别技术，由于其综合了现代仪器自动分析和传统显微分类方法的优点，是浮游植物自动识别的一种理想和实用的方法，将有很好的应用前景．     

最大熵和Brill方法结合识别英语BaseNPs

为了进一步提高基本名词短语(BaseNPs)的识别精度,针对最大熵方法和Brill方法各自的特点,提出基于两者相结合的英语基本名词短语识别算法.该算法是在高准确率词性标注的基础上实现的.在训练和测试两个阶段中,均先采用最大熵方法识别基本名词短语,然后将已具有很高精度的识别结果作为初始标注结果运用于Brill方法中.实验结果表明,此联合算法达到了94%的准确率和召回率,充分融合了最大熵方法和Brill方法的优点,可与基于相同训练和测试语料的目前最理想的英语基本名词短语识别结果相比.     

一种基于过采样技术的非最小相位系统盲辨识方法

提出了一种在时域中盲辨识非最小相位系统传递函数的方法,该方法通过对系统输出过采样来获得系统结构参数的信息.对于单输入单输出的线性离散系统,经过输出过采样后可以等价为单个输入、多个输出的传递函数模型,这多个输出函数具有相同的分母多项式和不同的分子多项式.采用子空间分解法可以确定分子多项式的参数,通过对系统输出信号自相关函数的处理可以得到分母多项式,最终可以得到原系统的结构参数.与传统高阶矩方法相比,该方法对噪声的敏感度更低,辨识的精度和速度也有很大提高.仿真结果表明,当信噪比大于15dB时,该方法可以有效地辨识出系统参数.与高阶矩方法相比,辨识门限信噪比降低了10dB,估计精度提高了20%,辨识速度加快了3倍.     

同步电机在线参数辨识的混合算法

根据输出误差法(OEM)、遗传算法和神经网络的优缺点,提出了一种同步电机参数在线辨识的四步法.由于OEM辨识参数需要较好的初值,文中首先用遗传算法在大范围内进行参数寻优,然后以此值作为OEM的初值进行迭代,再用OEM求得的结果训练人工神经网络,最后通过成功训练的神经网络在线辨识各种运行状态下的电机参数.这样使得传统的OEM参数辨识算法、遗传算法和神经网络在辨识参数方面充分地扬长避短,解决了单一算法的不足.在对一台111kVA、440V同步电机进行的仿真试验中,该方法在保证精度的前提下,辨识时间仅为0 008s.     

大滞后网络拥塞的智能前馈组合控制系统

在基于速率反馈的网络流量控制系统中，信元在网络中的传播时延，特别是网络流量控制中的非线性大滞后，会带来极大的网络拥塞和数据丢失。针对流量控制系统中存在的非线性大滞后和不确定性，提出了一种新的基于智能前馈控制策略的组合控制器。前馈控制部分由两个神经网络分别实现逆模型辩识与直接逆控制，可以在线调整网络权值；基本控制器由PID和Fuzzy PID实现分段控制，根据不同误差变化范围调整控制组合。仿真表明本方案能使信元发送速率快速响应网络变化，特别对于大滞后对象，控制的适应性和鲁棒性更好。     

指纹图像质量评价系统

指纹图像质量评价系统对于提高整个自动指纹识别系统的性能具有非常重要的意义 .在选取了指纹图像的总体灰度均值、块水平下的灰度均值和灰度方差、点方向信息、块方向信息作为评价因子后 ,首先求取各质量评价因子以及在其基础上的质量分 ,然后综合考虑各种评价因子求取总的质量分 ,最后给出最终的评价结果 .     

BP神经网络在字符识别中的设计改进

BP网络模型是最早被提出来的人工神经网络模型之一,它是一种简单而且非常有效的算法.在数字字符识别系统中,为了克服BP神经网络的易陷入局部极小、收敛速度慢等缺点,本文对传统的BP算法进行了多方面的改进,使得算法更加有效.     

非线性动态网络/系统（N/S）模型辨识与故障诊断

采用方波脉冲函数变换（BPFT）对一类非线性动态N/S混合模型(H1,B)进行了辨识，导出了计算混合模型（H1,B）的相关公式和N/S响应的伏特劳级数解在方波域内的离散递推算式，解决了一类非线性动态N/S模型的数值计算问题.在此基础上，提出了一种基于多重预置模型的非线性N/S的故障诊断方法，该法通过检验各个预设模型与N/S当前状态的匹配程度来判断N/S是否处于某种故障状态，而无须在线估算N/S当前的模型及分析其特征，从而极大地减轻了在线计算工作量，可实现在线故障诊断.给出了故障诊断实例，实验结果表明该法故障诊断的准确率达到80％～90％.     

基于计算机视觉的稻谷品种识别技术的研究

稻谷品种目前均由人工检测，工作量巨大，而且检测结果主观性强，一致性差。研究出用计算机视觉技术代替人眼对稻谷进行品种识别，提出把图像的颜色特征和形状特征结合起来进行稻谷品种识别的方法，通过贝叶斯决策方法建立识别分类器，识别正确率达到88．3％以上。     

苹果果梗和缺陷的识别技术研究

为解决苹果自动检测和分选中苹果果梗和缺陷的识别这一瓶颈问题，提出基于HIS颜色模型下亮度，的分布特性，从信号处理的角度确定苹果的果梗和缺陷区域．再提取区域纹理特征，构筑模拟退火神经网络作为模式分类器，区分果梗和缺陷．试验结果表明用该方法识别准确率接近90％．为苹果的在线检测和分级打下了良好的基础．