一种图象归一代新算法

介绍了一种综合利用图象力矩及图象边界提取等方法来实现对数字图象的大小归一化的算法．先对原始图象（待处理图象）和标准图象的灰度日进行边界提取,消除噪声及图象背景的影响．在此基础上,分别计算出原始图象和标准图象的力矩,即可求得大小变化因子．实验结果表明,此算法可获得较好的归一化效果．     

属性测度及其在目标识别中的应用

为了获得一种训练快、精度高、计算量少的雷达目标识别方法 ,研究了属性测度和属性模式识别 ,及属性模式识别在目标识别中的应用 ,并将模糊聚类分析用于属性测度。经过研究发现 ,在不用指标的峰度时 ,可以达到很高的识别效果。与传统的神经网络法相比 ,属性模式识别法在训练速度上得到了大大的提高 ,并在识别效果上优于径向基神经网络法。以雷达目标识别为例证明了该算法的有效性。这为我们研究低分辨雷达提供了一种全新的方法。     

一种确定三维锥束CT精确重建域的方法

三维锥束CT精确重建是近几年图像重建领域的研究热点,完全条件、源点轨迹和重建方法是精确重建的主要研究内容。在已知源点轨迹形状和尺寸的情况下,确定物体精确重建的区域,是一个在实际应用中需要解决的重要问题。基于3D Radon变换的性质和三维锥束CT精确图像重建的一般公式,提出了一种在锥束源点轨迹给出之后确定物体精确重建域(ERR)的方法——“Radon壳图解法”。该方法使原有分析复杂轨迹ERR的工作大大简化,且更加直观、有效,使精确重建方法向实际应用又前进了一步。     

新神经网络结构及其在数码语音识别中的应用

为了提高人工神经网络处理动态信号能力 ,在时延神经网络 ( TDNN )和卷积神经网络 ( CNN)的基础上 ,针对孤立音节的特点 ,提出了一个新的网络结构 ,研究了其学习算法。新网络在进一步改进后用于汉语孤立数码语音识别 ,对特定人和非特定人任务 ,分别达到了 97.7%和 95 .6%的正确识别率 (无拒识 ) ,其性能远远高于多层前向感知机( ML P)和时延神经网络 ,与传统的隐马尔科夫模型 ( HMM)方法是可以相比的。     

模糊超椭球分类算法及其在无约束手写体数字识别中的应用

为获得具有强推广能力、高效的识别算法 ,提出了基于模糊超椭球聚类的模糊超椭球分类算法 ,并且用于无约束手写体数字的识别。模糊超椭球聚类能充分利用训练样本集的分布信息 ,运用较少的类别个数来表征复杂的样本分布 ,获得良好的识别效果和推广能力。在此基础上 ,模糊超椭球分类算法加入了有监督的控制 ,使算法在聚类过程中可以确定合适的类别数 ,使学习结果能更好地反映训练集的概率分布。然后 ,采用学习矢量量化等算法对其进行进一步有监督训练 ,从而取得更好的训练效果。在国际通用的 NIST字库和实际采集的手写体数字集进行的实验中 ,模糊超椭球分裂算法获得了令人满意的结果 ,而且具有进一步发展的潜力。     

啮齿动物性识别外激素的研究概况及方法

啮齿动物普遍利用外激素进行性识别。具有性识别功能的外激素可能由身体各个发出气味的部位产生,例如,尿液、粪便、唾液、精液、胚胎液、阴道分泌物、特化皮肤腺分泌物等。外激素的产生器官,尤其特化皮肤腺的形态、组织结构、所产生的化学成分和性识别功能有季节和性别的差异,并且受到脑垂体、内分泌腺和性腺分泌激素的调节。确定气味的识别功能和产生源,常利用被试鼠对雌雄气味的行为反应差异;生理调节作用的研究常采用切除有关的激素分泌腺和植入外源的激素后,气味产生器官的形态、组织结构和分泌物化学成分,以及对气味的嗅觉反应的变化的方法;化学研究涉及到气味分析样品的制备和对样品进行化学分析,进一步的活性成分的鉴定还要和生物测定相结合。     

Roles of computational auditory model in automatic speech recognition

The development of computational auditory modeling in the last 30 vears is reviewed, and its development in the com trig years is predicted .     

一种改进的最佳鉴别平面

在模式识别领域,基于Ｆｉｓｈｅｒ鉴别准则函数的Ｓａｍｍｏｎ最佳鉴别平面技术有着重大的影响。特征抽取的一般原则是最好抽取模式朱相关的特征,而Ｓａｍｍｏｎ最佳鉴别平面的２个鉴别投影方向虽然是正交的,但一般也是统计相关的。实验结果表明,改进的最佳鉴别平面具有良好分类效果。     

人脸图像有效鉴别特征抽取与识别

基于具有统计不相关性的最优鉴别变换,分析了小样本识别问题,提出了抽取人脸图像有效鉴别特征方法,在Ｏｌｉｖｅｔｔｉ Ｒｅｓｅａｒｃｈ Ｌａｂｏｒａｔｏｒｙ（ＯＲＬ）人脸图像库上得到了平均识别错误率为２．７５％的实验结果,这是目前在ＯＲＬ人脸图像数据库上所得到的最好的实验结果,并在南京理工大学ＮＵＳＴ６０３人脸图像库上得到平均识别错误率为０．９％,的实验结果,这些结果表明所提出的人脸图有效鉴别特征方法     

基于SDCN算法的鲁棒性语音命令识别

提出了一种基于ＳＤＣＮ算法的鲁棒性语音命令识别。依赖于信噪比的倒谱正常化（ＳＤＣＮ）算法直接在倒谱域根据输入语音帧的信噪比（ＳＮＲ）来增加一补偿矢量,从而恢复未受污染的净语音信号,补偿矢量直接从训练环境和测试环境中记录的语音倒谱中逐帧比较得到,该算法对退化的环境具有很强的鲁棒性,实验结果证明,该算法简单,有效。