Techniques of Image Processing Based on Artificial Neural Networks

This paper presented an online quality inspection system based on artificial neural networks. Chromatism classification and edge detection are two difficult problems in glass steel surface quality inspection. Two artificial neural networks were made and the two problems were solved. The one solved chromatism classification. Hue, saturation and their probability of three colors, whose appearing probabilities were maximum in color histogram, were selected as input parameters, and the number of output node could be adjusted with the change of requirement. The other solved edge detection. In this neutral network, edge detection of gray scale image was able to be tested with trained neural networks for a binary image. It prevent the difficulty that the number of needed training samples was too large if gray scale images were directly regarded as training samples. This system is able to be applied to not only glass steel fault inspection but also other product online quality inspection and classification.     

互文性理论与钱锺书文学批评的文本网链

西方互文性理论强调文学历史中的文本存在着普遍的相互联系相互指涉关系。钱锺书的著作旁征博引,引合众多话语现象,具有强烈的互文性特征。在钱锺书的文学批评中,话语现象的聚合不是简单的罗列堆砌,它们通过不同的外部形态和内部结构,组成形形色色的文本网链,达成不同的批评目的。对这些文本网链的描述与分析,从一个方面揭示出钱锺书的文学批评与西方互文性理论的对话关系。     

基于模糊划分的神经网络集成

基于模糊聚类思想,提出了一种神经网络集成方法.由训练数据的模糊聚类结果,把训练数据划分成相交子集,基于各子集生成集成的个体神经网络.由于各子集所包含的数据和数据的类别各不相同,因而个体神经网络性能和结构存在差异.子集个数确定集成中个体神经网络个数.另外,基于隶属度函数计算公式,提出了个体神经网络输出结论结合方法.理论分析和实验结果表明,此方法对模式分类能取得较好的效果.     

《中图法》(第四版)在ChIN资源导航系统中的应用

从分析ChIN资源导航系统入手,阐述了《中国图书馆分类法》学科聚类标准在化学化工资源导航系统中的应用,并就此提出改进网络分类体系的两点建议:一、把学科聚类从网络分类体系中单独列出;二、设置专业主题词表。     

一种基于序列挖掘的分类系统框架

为了有效地对序列数据进行分类，提出了一种集成分类挖掘和序列模式挖掘技术的分类系统框架(SPACS)．先采用一套约束和裁减策略，为每个分类挖掘频繁序列模式，并将其转换为分类序列规则(CSR)；再利用平均CSR匹配置信度和一个规则匹配算法构建有效的序列数据分类器．SPACS不需要在提取序列的特征后采用传统方法进行分类，可以直接利用从序列数据中提取出的频繁序列进行分类．实验结果表明，对于序列类型的数据的分类，SPACS比传统的决策树和关联分类方法具有更高的分类精度．     

基于LSI和自组织神经网络的高效文本聚类方法

根据隐含语义索引(LSI)理论和动态自组织映射神经网络理论,提出了一种文本聚类的新方法.应用动态自组织映射神经网络来实现文本聚类,不必预先给定聚类个数,可以在任意合适的位置生成一个新的类,具有聚类灵活和精度高等特点,对于高维的文本特征向量来说,聚类速度很低;该方法应用LSI理论来建立文本集的向量空间模型,在词条的权重中引入了语义关系,消减了原词条矩阵中包含的"噪声"因素,从而更加突出了词和文本之间的语义关系.通过奇异值分解(SVD),有效地降低了向量空间的维数,克服了自组织神经网络的聚类缺陷,提高了文本聚类的精度和速度.     

数量分类中试验数据的函数变换

依据数量分类学原理对数量分类中试验数据的函数变换的必要性进行了分析．给出了常用的试验数据函数变换方法，确定了对试验数据进行函数变换的一般原则。     

基于人工神经网络的城市航空遥感图像植被分类研究

研究了一种基于模糊量化与多层前馈神经网络相结合进行多类别遥感图像植被分类的新方法.对分类指标 进行π隶属函数模糊量化之后,进行多层前馈神经网络(MLP)训练,再用训练后的MLP网络构成监督分类器,并 以宁波市彩红外航空遥感图像资料为数据源,选取园林区为试验区,对植被进行监督分类,分类精度达78%.研究 成果表明,该方法适用于多类别的遥感图像植被分类,其分类效果也较好.     

现实生活向艺术文本的生成--美学源构关系的发生及运动

艺术与现实的关系是文艺美学的基本问题。就艺术创作来说 ,艺术源于现实、贴近生活的特点决定了艺术文本的生成离不开现实生活 ,但这一过程绝非传统的再现 /表现理论那样简单。在当代文化视野和理论背景上 ,揭示艺术与现实之间源构关系的真实存在 ,将有利于避免固有的美学观念和方法所造成的在艺术的本体及创作等理解上的偏差。     

一种基于粗糙集分类规则发现的方法

介绍了粗糙集理论实现数据分类和规则推理的基本原理,并利用粗糙集理论中核及决策类覆盖的概念,提出了一个在数据集中发现没有冗余属性的最小归纳依赖关系,并简化带有不相容规则的决策系统的多层次数据挖掘算法,应用一实际的例子说明如何在数据库中发现分类规则.