神经网络在电子海图系统中的应用研究

提出了一种基于人工神经网络的第图点状符号自动生成的方法，通过研究用扫描仪扫描纸质海图所得的象素电子海图文件，分析出海图中的符号在象素文件中的表示特征，并根据这些特征分割出待识别的区域，再利用误差反传（ＢＰ）神经网络进行识别，以达到完成象素电子海图符号矢量化的目的。利用这种方法成功的完成了电子海图符号的自动识别．     

动目标的检测,识别与状态估值——数据融合在地面遥感监视系…

研究了多传感器数据融合技术，提出了基于地面多传感器遥感监视系统的目标检测，识别和状态估值中的数据融合算法，最后，进行了计算机仿真，得出了对三批运动目标的检测，识别的状态估值的结果。     

一种动态载荷的识别方法

提出了一种逆优化系统识别动态载荷的方法。该方法避免了一般载荷识别中频响函数求逆运算中由于矩阵病态而引起的运算及运算失败，从而提高了识别精度，为动态载荷，特别是宽频带、瞬态冲击载荷的识别提供了一种有效途径。     

距离加权矢量量化文本无关的说话人识别

本文在研究说话人识别的矢量量化方法时，分析了用矢量量化建立说话人识别模型的可行性。针对量化码本描述的不完全性，提出了一种经距离加权的矢量量化方法，能更好地刻划出说话人语音特征空间的精细结构，从而提高正识率。本文还对特征参数ＬＰＣＣＥＰ的选取进行了理论分析和实验研究，提出了平均互—自差异比的概念，给出了一种对特征矢量的每一维分量识别能力进行定量化估算的公式。实验结果表明，距离加权矢量量化是一种具有很高正识率的与文本无关的说话人识别方法。     

用几何最小二乘法改进 ITD 法的阻尼识别精度

ＩＴＤ（ＩｂｒａｈｉｍＴｉｍｅＤｏｍａｉｎ）模态识别方法可不用输入系统的信息就识别系统的模态参数，但识别的模态参数常常很不精确，且阻尼比的识别精度很差。当激励信号不是独立白噪声信号时，不应该采用ＩＴＤ法进行模态识别。推导了ＩＴＤ法识别的模态频率和阻尼比的相对误差公式，由此分析了造成阻尼比识别结果很差的原因，并且引入了Ｉ－ｂｒａｈｉｍ提出的双最小二乘算法（ＤＬＳ），在此基础上，提出了几何最小二乘法（ＧＬＳ）。通过理论推导和算例验证得到：一般情况下，ＧＬＳ和ＤＬＳ算法均可提高阻尼比的识别精度，且前者的识别结果优于后者。     

基于 BP 网络的二维不变性目标识别

为识别坦克等较复杂的目标，描述了一种神经网络分类方法；利用傅立叶描述器提取目标的形状特征，它具有不变性特性；利用多层ＢＰ网络进行分类。讨论了网络结构及模拟实验结果，认为ＢＰ网络对２Ｄ不变性目标识别具有良好的鲁棒性；它的分类结果优于传统的近邻域分类器     

图象处理在纺织业中的应用现状及动向

本文主要介绍数字图象处理技术在纤维材料性能检测以及纺织品质量检测中的一些应用,并对一些值得注意的研究动向作了简要的说明。     

轻亚粘土在地震作用下液化程度模糊识别理论

根据轻亚粘土在地震作用下发生液化，液化程度具有模糊性的特点，提出轻亚粘土液化程度或级别的模糊识别理论与方法，可作为初判参考，指出了应用最大隶属度原则进行轻亚粘土液化差别中存在的问题。     

基于模糊病态性识别的自适应仿真算法

在已有病态性识别方法的基础上引入模糊集合理论，构造准确性更高的识别方法，并将它用在自适应仿真算法中。     

象素级多传感器图像融合技术

多传感器图像融合是图像信息物综合怀分析过程，它可有效地萃取多通道图像信息，构成统一图像，提供显示中心显示或决策机构判别。各种图像传感器的性能极大地依赖于使用环境，至今还没有一种图像传感器在多种不同的使用条件下，其各项性能都高于其它类型的图像传感器，融合多传感器国图像能够提高图像探测系统的探测和识别能力。