字母识别的神经网络方法

本文作者用人工神经网络进行英文字母的识别工作。首先进行了字母的数字化转化,将图像格式转化为数字格式,用5×7矩阵的布尔值表示每个字母;然后设计了反向传播型人工神经网络模型;最后,用经过训练的模型对字母进行识别,结果表明:噪声信号的平均水平低于0.2时,神经网络模型能够完全正确识别26个字母;噪声水平在0.2时,神经网络模型开始出现错误,随着噪声水平的增加,神经网络模型的识别率逐渐下降。     

行政合同本质探源

文章主要探讨行政合同的法律属性及相关理论问题,通过比较大陆法系和英美法系的理论和实践,探索行政合同的本质,意图提出行政合同的法律识别标准。     

自主移动机器人走廊视觉识别与跟踪方法研究

在基于图像的道路识别技术实现的自主驾驶问题研究中,图像识别和跟踪的速度是自主驾驶效果的关键。采用基于模型的走廊识别技术,通过模仿人类视觉过程,使用遗传算法,对实时图像进行目标识别和跟踪,实现了一套自主移动机器人系统;同时通过对识别模型匹配值的变化率分析,实现了对走廊拐角的识别。实验结果表明,该方法的走廊图像识别和跟踪速度能够满足系统实时性的要求,并具有较高的可靠性。     

用HHT方法识别强迫振动下线性双自由度体系的模态参数

提出了一种识别强迫振动下线性双自由度体系模态参数的方法,体系的动力响应数据在 EMD分解后,进行Hilbert变换,然后用最小二乘法拟合其瞬态幅值及相位角,得到体系的自振频率及阻尼比,方法具有较高的精度．     

水文模型参数识别算法研究及展望

就国内外水文模型参数识别算法的最新进展做了较为详细的阐述，特别对各种编码的遗传算法、单纯形混合加速遗传算法、模式搜索混合加速遗传算法、模拟退火混合加速遗传算法等现代优化算法在流域水文模型参数识别中的应用进行了研究，并与传统方法进行了比较；通过比较水文模型各参数优选方法的特点，认为混合加速遗传算法SHAGA,HJHAGA是一种较好的方法，具有较高的应用价值；同时对水文模型参数识别算法的发展前景进行了展望.     

基于核主元分析法和支持向量机的人耳识别

对人耳识别中若干关键问题进行了研究. 介绍了两种人耳图像归一化处理的方法,即基于外耳轮廓长轴的线标记法和基于外耳轮廓起始点的点标记法,并对这两种方法进行了对比. 在分析现有人耳识别方法不足的基础上,提出利用核主元分析法提取人耳图像的代数特征,再利用支持向量机分类模型进行人耳识别. 在带有角度、光照变化的北京科技大学人耳图像库上得到的识别率为98.7%,表明了该识别方法的有效性以及利用人耳图像进行身份识别的可行性.     

供应链风险管理研究进展的综述与分析

随着供应链中断事件的频繁发生及其严重后果，供应链风险管理目前成为供应链研究的一个重要方向，文章评迷了供应链在风险识别、风险评估和风险管理过程的国内外研究成果，指出应加强对供应链网络风险的识别研究，定量化的风险评估研究，动态环境下具有反馈机制的风险管理过程研究等，最后给出了未来的研究展望。     

基于改进概率神经网络的交通标志图像识别方法

神经网络具有较强的容错性和自适应学习能力，在交通标志图像识别中获得广泛的应用，但目前采用的多层感知器、BP神经网络以及径向基神经网络等几种神经网络存在一些不足，故本文提出采用改进概率神经网络进行交通标志图像识别的新方法，整个算法分两步实现：首先对交通标志图像提取它的Tchebichef不变距并作为图像的特征；然后采用改进的概率神经网络进行识别。仿真实验表明，提出的方法比以前的方法有更好的识别效果。     

RoboCup中基于神经网络的阵型策略

提出了一种用于RoboCup中的阵型策略，该策略应用BP网络训练各种阵型和识别对方的基本阵型，并根据场上情况实现阵型的动态转换。基于此策略的队伍在比赛中取得不错的成绩。     

基于遗传-模糊聚类的说话人识别方法及其仿真研究

利用遗传算法的全局收敛性及模糊C-均值（FCM）聚类强大的局部寻优能力，提出了一种基于遗传-模糊聚类的说话人识别方法。对说话人的训练语音数据进行遗传-模糊的软聚类分析，从而得到分类中心的全局最优解，作为每个说话人的语音模型，最后利用最大总平均隶属度函数准则对待识别语音进行模糊聚类识别．除此之外，使用自适应参数增加遗传算法的局部搜索能力。实验结果表明，这种算法克服了传统硬聚类的缺点，避免了FCM对初值敏感及容易陷入最小值的缺陷，使聚类更加合理，更好地描述了说话人的语音特征。