基于特征的回转体零件工艺文件自动生成方法研究

在回转体零件特征建模的基础上，提出厂一种新的基于特征的零件工艺生成思想，分析了如何从建立零件时产生的特征文件中提取出生成工艺文件所需要的数据信息，如何根据工艺数据库中的内容对数据信息做进一步处理，使这些信息能够完整地描述零件的几何信息以及工艺信息，满足工艺生成的需要，最后给出了自动生成该零件的工艺文件的方法。     

基于时频域特征和分层决策的通信信号调制识别

针对实际通信信号具有时变、非平稳的特性,将时频分布引入通信信号调制类型识别,提出了新的品质优良的时频域识别特征和使用时频域特征的分层决策分类器。即以基于Wigner Ville分布(WVD)的一阶时间矩特征和基于Margenau Hill分布(MHD)的局部时频域特征作为分类特征向量,通过特征向量与判决阈值的逐层比较以实现通信信号调制分类。仿真结果表明,该方法在低信噪比下的识别性能明显优于基于单纯的时域特征或频域特征的传统方法。     

卫星数字图像的智能处理研究

在借鉴成熟的数字图像特征分类模型基础上，通过特征抽取及采用神经网络方法对特征树训练，得到卫星数字图像的典型特征和在图像分析中的权重。提出利用数字图像的经验处理知识来实现卫星数字图像的自动处理，并建立分类数字图像集的经典处理案例，采用基于案例推理的方法，实现了卫星数字图像处理经验的复用和效率的提高。     

基于多尺度特征融合的红外图像小目标检测

针对复杂背景红外图像弱目标检测问题,提出了一种基于多尺度特征融合的红外小目标检测方法。该方法在对红外图像进行离散小波框架变换的基础上,提取目标在各子带图像上的多个特征;然后对各子带图像上的多个特征分别进行融合,获得相应的目标检测判决置信度图;接着采用自适应加权方法对各个目标检测判决置信度图进行融合,得到目标检测判决总置信度图,并对其进行目标区域分割,获得最终的目标检测结果。实验结果显示,该方法对高杂波条件下红外弱目标检测具有良好效果。     

An improved form of the ELMS algorithm

1.INTRODUCTION Adaptiveechocancellersarewidelyemployedintele conferencingsystemsinordertocompensateforthe impairmentinthequalityduotoundesiredechoesre sultingfromcouplingbetweenloudspeakerandmicro phone.Inastereophonicenvironment,thefunda mentalproblemofechocancellationisthatgiventhe inputtotheloudspeakersandtheoutputofthemicro phonesinthereceivingroom,theechopathcannot bedetermineduniquely[3,8,9].Theproblemisdueto thecorrelationbetweenthestereosignals.Asare sult,anyadaptivetechniqueusedi…     

从设计模型中提取制造特征的方法

提出了一种从设计模型中提取制造特征的方法,利用STEP中性文件重构零件模型,进一步利用目标面上的环数建立制造特征的类关系图,即可实现从设计模型中提取制造特征.     

动名兼类和动词名用的区别

本文力求说明汉语动名兼类词和动词名用的区别，并根据双音节复合动词与数量词组(几)“个”的组合能力来划分两者的界限。     

聚变包层结构特征分析及其实现方法研究

建立包层信息模型是聚变反应堆包层研究发展的需要,而包层几何模型建模是其基础,三维参数化特征化CAD系统都要求在创建产品数据模型之前对产品进行结构特征分析和参数化描述,在分析影响包层结构特征的因素基础上,给出了主要影响因素与包层结构特征之间的关系,对相应的结构特征进行了定义和参数化描述,并指出了各种结构特征在特征造型系统中的实现方法.     

小波分析中频带能量泄漏及对策

为了寻找信号特征提取优化的方法，排除误诊断，分析了Daubcchies小波系列的频带频率特性，指出了小波分析存在着频带能量泄漏的问题。频带能量泄漏不利于信号的特征提取和分析。通过仿真研究，得到了频带能量泄漏的基本规律，提出了频带能量增量比较法。该方法通过比较小波分析的相邻三个频带的能量增量，确定信号的特征频率分量所在的频带，进而以该频带的能量增量作为信号变化的特征。实验证明，运用该方法可以优化信号特征的提取。     

基于SIFT的车标识别算法

针对车标识别过程中匹配阈值难、识别速度慢的问题,提出一种基于尺度不变特征变换(SIFT)的特征匹配车标识别算法.利用SIFT算子对图像的视角、平移、放射、亮度、旋转等不变特性进行提取,并采用BP神经网络算法自主选取车标图像特征进行分类、匹配和识别.仿真实验结果表明,简单车标和复杂车标的识别率平均值均达90%以上,该算法识别速度较快、识别率较高,能满足实际应用的需要.