基于小波矩特征的小波神经网络目标识别

提出一种具有尺度、平移与旋转不变性的目标识别方法.该方法首先提取目标图像的小波矩特征,然后与小波神经网相结合,构成一套目标识别系统.小波矩不变量不仅可以表示图像的全局特征,而且还能表示局部特征;而小波神经网络结合了小波分析和传统神经网络的优点,具有很强的学习能力和推广能力.因此基于小波矩的小波神经网络目标识别系统在进行目标识别时具有很大的优势.实验中使用该方法对4类飞机目标进行识别,实验结果证明其识别率高于其它的目标识别方法.     

儿童情绪能力发展论坛

针对情绪发展研究在儿童学习及教育中应用的国际发展趋势，东南大学学习科学研究中心于2005年4月21-22日在东南大学举办的“儿童情绪能力发展论坛”（Forum on Development of Child’s Emotion Competence），邀请来自美国、法国、丹麦等国的著名的科学家以及国内香港和大陆（北京大学、北京师范大学、浙江大学、中国科学院心理学研究所、中南大学等）心理学、医学、信息科学领域的70多位专家学者交流相关的最新研究成果，探讨该领域的新思想、新技术、新方法和新应用，推动中国儿童情绪发展的创新研究及其世纪应用。本次论坛的举办主要是为2005年国际经济合作与发展组织的教育研究和革新中心（OECD-CERI）在北京举办的“学习科学和脑科学”（Brain Mechanism and Learning Science）高层论坛作准备。本次会议得到国家教育部港澳台办的“王宽诚教育基金会项目”的大力资助。会议的召开取得了圆满成功。     

让学生出卷和讲课

学生厌学，是因为教师方法失当，起码是引导不力；学生厌学语文，当然是语文教师方法失当引导不力。如果深刻领会新的语文课程标准的精髓，开动脑筋寻找能够充分调动学生参与积极性的方法，学生的厌学情绪就会得到彻底的改观。本学期的后半段，我们搞了一项“语文卷我来出”和“语文课我来上”活动，收效很好，学生也不厌学了，教师也不心烦了，下面谈出来就教于六家。     

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.     

陕西师范大学校园鸟类调查

应用路线调查法和鸟鸣声识别法分别对陕西师范大学校园鸟类的种类及数量进行了初步调查．结果表明，陕西师范大学校园共分布鸟类51种，隶属8目、22科．其中，常见种是鸽形目的珠颈斑鸠，鹗形目纵纹腹小鹗，雨燕目的楼燕，雀形目的灰喜鹊、鸟鸫、麻雀、白鹩鴒，鹃形目的四声杜鹃等．     

非线性系统参数识别的频域方法

系统识别是现代控制过程的关键环节．本文提出了一种识别弱非线性振动系统参数的方法．本方法中，参数识别的数学模型是系统的一阶近似频率响应函数．首先，用多尺度法导出弱非线性强迫激励系统的频率响应函数．接着，利用非线性参数变换将此频率响应函数变换为系统参数的线性函数，在此基础上用最小二乘法识别系统的参数．最后，通过数值模拟检验了方法的精度．     

基于图像处理技术的汽车追尾预警系统的研究

如何防止高速公路中汽车追尾是智能交通系统所要急待解决的问题.本文利用中心透视原理和图像处理的方法可以解决车道识别,车辆识别和车间距测量的关键难点,达到高速公路汽车追尾预警的目的.实验结果表明效果良好,算法简便,可以有很好的实时性.     

基于信号谱熵的模糊Hamming网络缺陷识别

无缝钢管损伤监测和诊断的关键在于缺陷信号特征的提取和识别，作者研究了无缝钢管内伤、外伤及孔洞等缺陷信号的频域特征，提取信号二维谱熵指标作为特征指标，运用改进的模糊Hamming神经网络识别方法，对无缝钢管的缺陷进行识别，结果表明，该方法具有很高的识别精度，实例中识别准确率达100％，由于该识别方法不需要示教学习过程，因此能够应用于实时在线缺陷识别。     

ESR研究单[2-氧-(2-羟丙基)]-β-环糊精与氮氧自由基的作用

测定了4-羟基-2,2,6,6-四甲基哌啶氮氧自由基(R)与β-环糊精(β-CD)及单[2-氧-(2-羟丙基)]-β-环糊精(2-HP-β-CD)相互作用的电子自旋共振谱(ESR),计算了波谱参数.结果表明,自由基与环糊精及其衍生物作用后,其超精细分裂常数αN值及旋转相关时间τC都有规律性变化.     

利用BP神经网络识别数字图像

本文首先介绍了数字图像以及数字图像在试验中的存储方式，然后分析了实验中使用的三层BP神经网络模型及神经网络学习算法，讨论了图像中心区域象素点与边缘区域象素点不同的处理过程，最后描述该BP神经网络的识别结果及应进一步研究的几个问题。实验表明，用BP神经网络识别数字图像是一种高效、高正确率的方法。