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.     

基于模糊模式识别的中文文本分类器的设计与实现

文本自动分类系统是信息处理的重要研究方向，在文献检索、信息过滤和文本管理等领域中有着广泛的应用。介绍了一种基于模糊模式识别以及向量空间模型提取特征向量的中文文本分类器的设计与实现。     

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．     

北京-郑州运输通道内旅客出行的特征

为研究运输通道内客流变化规律,结合北京郑州铁路客运专线建设,运用简单抽样方法确定样本抽样率和样本容量,对通道内不同运输方式旅客出行调查数据进行统计分析。结果表明:出行旅客中企管人员最多;月收入小于1 000元的旅客主要选择公路出行,高于2 000元的旅客主要选择民航出行,介于二者之间的旅客多选择铁路出行;旅客多以出差、经商和探亲为出行目的;在小于300 km的出行距离内,公路占绝对优势;在300~1 500 km内,铁路优势明显;服务属性中,旅客最为关心的是安全,最不满意的是运行速度。     

基于粗糙集理论的复方拆方研究

粗糙集理论是一种新的处理模糊和不确定性知识的数学工具，其主要思想就是在保持分类能力不变的前提下，通过知识约简，导出问题的决策和分类规则．因此，将粗糙集理论引入复方拆方，将有助于从复方配伍的动态性和不确定性的本质上去深入而确切地开展方剂配伍规律的量化研究，从而改变药味与药效之间的分离状态．     

基于克隆选择的粗糙集属性约简方法

基于免疫克隆选择的原理，提出了一种新的粗糙集属性约简方法，将属性集合的分类近似质量作为进化目标，利用免疫反应的分布性特点通过局部并行搜索实现全局优化，并采用抗体更新和亲和力抑制手段来维持群体的多样性，保证了各抗体局部优化解的稳定性，从而获得了多个优化约简集合，通过机械故障诊断数据的实例应用，表明该方法可以获得多个符合分类质量要求的属性约简集合，因此满足了设备故障诊断的特征优化选择要求。     

一种基于二进制可辨矩阵的属性约简算法

基于可辨矩阵的属性约简算法都是从信息系统中直接求得约简，提出了分两步求得约简，降低了算法的时间复杂度为O(mn^2)，第一步计算出近似约简，第二步去掉其中的冗余属性。改变了过去人们认为基于可辨矩阵的特征选择算法的时间复杂度不低于O(m^2n^2)的观点(其中m为数据集中特征／属性的个数，n为数据集中样本的个数)。最后给出了实验结果.     

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.     

利用小波和RBF神经网络进行手写数字识别

提出一种基于小波和RBF神经网络的手写数字识别方法.该方法首先提取字符的小波特征,以它们作为神经网络的输入向量,然后用RBF神经网络进行识别.对字符样本的识别结果显示,此方法在识别错误率和识别效率等方面均有很好的效果.     

基于可辨识矩阵的动态属性约简算法

可辨识矩阵是粗集理论中可以标识决策属性和条件属性之间关系的矩阵。根据数据库的动态建立特性，提出了一种基于粗集理论中的可辨识矩阵的动态属性约简算法，利用数据的动态性和可辨识矩阵的特性对己有的属性约简进行修正，并通过实例证明了这种算法的有效性，该算法极大地节省了计算量，提高了算法的执行效率。