节点自删除神经网络及其在磨粒识别中的应用

在前向多层神经网络的基础上,提出了一种新的节点自删除神经网络模型。该神经网络根据隐层节点输出的相似性能够自动地进行网络节点的删除。对网络中冗余节点的删除,使网络尺寸得到优化,这一定程度上也解决了前向多层神经网络的推广性和学习问题。在Ｐａｒｔｙ－４问题的实例中,通过对惯性ＢＰ算法网络和该节点自删除网络的比较,充分说明了该节点自删除神经网络在各方面的优越性。铁谱磨粒识别一直是一个困难的课题,应用自删除神经网络模型在该实例中,也取得了较好的识别效果。     

用于语音识别中的SOFM矢量量化方法

该文讨论了神经网络语音识别系统中的ＫｏｈｏｎｅｎＳＯＦＭ神经网络的矢量量化（ＶＱ）的原理与过程,着重解决了其在实际应用时的若干问题,包括网络大小,学习步幅函数以及矢量量化过程中的公平竞争学习的控制函数的选定。过讨论了基于听觉模型的声学特性的提取与处理,这与ＶＱ性能息息相关。系统应用的实验表明,该神经网络在语音识别系统中具有良好性能。     

基于主成分分析的核Fisher判别方法在油水识别中的应用

根据测井数据结构复杂和交集严重的特点,将主成分分析思想应用到剔除奇异点和寻找两类样本的交集中,并在交集中应用核Fisher判别方法,进行油水判别,弥补了Fisher线性判别方法的不足.通过将主成分分析和核Fisher判别方法这两种理论有机的结合起来,提高了利用测井数据识别油水层的鉴别能力,实际应用中证明了本方法的实用性和有效性.     

基于融合特征和LS-SVM的脱机手写体汉字识别

提出的脱机手写体汉字识别系统主要研究特征提取和分类识别两个模块.特征提取模块主要包括采用基于不变矩和弹性网格技术的串行特征融合方法,所得到的特征向量不仅充分反映了手写体汉字的全局和局部特征,而且具有很强的区分表达能力.分类识别模块将神经网络多类分类策略与最小二乘支持向量机相结合,所得到的分类器不仅识别率高、泛化能力强,而且有效地解决了多类分类问题.实验证明本文提出的识别系统能够取得很好的识别效果.     

基于 Mahalanobis距离进行人脸表情的识别

提出了利用Mahalanobis距离进行人脸表情识别的方法.首先将待分类的图像样本集进行坐标变换,使得变换以后类间离散度尽可能大而类内离散度尽可能小,即使变换以后的Fisher准则函数取得极大值,在新的坐标下求每个待分类样本到各类均值向量的Mahalanobis距离,从而将待分类的样本归到Mahalanobis距离最小的类中去,通过实验得到了平均80.25%的识别率.     

分子印迹技术及其在痕量分析的应用

分子印迹技术是近年来集高分子合成、分子设计、分子识别、仿生生物工程等众多学科优势发展起来的一门边缘学科分支，分子印迹聚合物由于具有与天然抗体同样的识别性能力和与高分子同样的抗腐蚀性能的双重优点，因而广泛应用于生物工程、临床医学、环境监测、食品工业等众多领域．介绍了分子印迹技术的基本原理，对分子印迹聚合物合成研究的最新进展进行了综述，主要介绍了它在痕量分析中的应用．     

用分类与回归树算法进行人才识别

高校人才的引进对学校的发展十分重要．传统的人才识别方式是考察引进人员的一些定性的指标来进行人才识别，这样难以保证识别结果的全面性、科学性和准确性．给出了一种新的定量的人才识别的方法，它是利用数据挖掘中分类与回归树(CART)的方法为理论基础对人才进行定量的识别，更具科学性．分类与回归树方法利用过去已有的引进人才的经验数据分析提取规则，为以后的人才识别提供合理的、科学的决策支持．     

邻香兰素分子模板聚合物结合作用及选择性研究

 以邻香兰素为烙印分子,α-甲基丙烯酸为功能单体,乙二醇二甲基丙烯酸酯为交联剂,采用分子烙印技术合成了1类新的分子烙印聚合物.研究了它们的吸附特性及选择性识别能力.结果表明,与组成相同的非模板聚合物相比,模板聚合物有一定的吸附性能和选择性.     

复杂动态背景中的人脸检测

针对复杂动态背景中的人脸检测问题，提出了一种基于差影运算和肤色识别的检测算法。该算法首先通过改进的差影运算初步确定人脸区域，然后建立一个人脸肤色模型进一步进行肤色匹配．从而实现由粗到细的人脸检测。实验证明，该算法可以适应不同的光照环境，不受人脸大小和朝向的限制。其运算速度和精度均达到实用要求。     

结构模态参数识别的随机子空间法

随机子空间法(SSI)是时域识别的模态参数识别法,该法根据加权方法的不同可以有3种算法．通过 处理实桥动载实测数据,研究了这3种算法识别真实结构模态参数的问题．