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。     

基于并行基因算法的语音识别方法

提出一种基于并行基因算法的孤立字识别时间规正算法，该算法是在［３］的基础上提出，可解决动态时间规划（ＤＴＷ）难以解决的一些问题：①使距离归一化因子Ｍ与实际路径相关；②以自然方式提供多条最佳规划路径；③语音端点检测正确性对识别率的影响得到一定程度的改善。建立了试验数据库，根据试验数据建立了模板距离遵循正态分布的算法性能分析模型。比较了并行基因算法，串行基因算法［３］和动态时间规划算法的性能。试验结果表明：基因算法比动态时间规划能得到更高的识别率，在单ＣＰＵ情形下，虽然并行基因算法的性能比串行基因算法略微提高，但至少可节约三分之一的ＣＰＵ时间     

工程图形识别中一种矢量跟踪法

提出了一种通过网络拓扑结点抽取并基于查表实现的矢量跟踪方法，这种方法不但能有效地保证细化后得到的图象骨架的网络拓扑关系，而且算法构造简单，便于软件或硬件实现。论述了数字拓补中的几个基本概念，叙述了算法的构造与实现。给出了实例，证明矢量化后，分枝点、交叉点、切点等处仍很好保持了原图中的拓扑关系，为后续曲线的拟合及线段拼合等处理提供了有利条件，并可以提高机械工程图形矢量处理水平。     

强噪声环境下汉语语音识别的模糊分类算法

论述了强背景噪声环境下利用模糊分类算法对大词汇量的汉语语音进行了分类识别，根据噪声的汉语语音特点，采用有边界的交叉分类和无边界的模糊分类相结合的措施，较成功地解决了强噪声环境下的汉语语音分类。     

智能装配系统中神经视觉的三维物体识别

根据智能装配系统的实际要求，提出了一种利用神经视觉进行三维物体识别的理论和方法，在利用立体象对重建物体的三维外形的基础上，建立物体的区域图，利用物体的三维矩及其不变性来构造代表物体的特征矢量．采用ＡＲＴ２神经网络构成神经网络分类器，把物体的特征矢量作为神经网络分类器的输入，从而对物体进行识别或分类．这种识别或分类方法可以在线学习，能满足智能装配环境下连续作业的要求     

紫花苜蓿和红三叶接种根瘤菌试验研究

进行了豆科牧草紫花苜蓿和红三叶接种根瘤菌的试验．结果表明，接种根瘤菌后二者的生长速度、结瘤数量、根瘤重量、结瘤率、产量、土壤肥力等指标均有改善和提高     

虹膜识别技术中瞳孔特征参数分析

以椭圆形来定义瞳孔,提出了一种计算瞳孔特征参数的方法.用椭圆上的两对点确定椭圆的中心、旋转角度、长半轴、短半轴等参数.实验表明,该方法速度快,检测性能好,可以通过非连续的边缘确定椭圆的参数.最后,比较了该算法确定的椭圆形瞳孔边缘与其它边缘检测算法得到的瞳孔边缘.     

α-苯乙胺的间接高效液相色谱拆分研究

以酰氯A对消旋体α-苯乙胺进行柱前衍生化处理,以正己烷和异丙醇混合体系为流动相,在自制的手性柱(DNB-PG CSP)上对其进行了对映体分离研究,考察了流动相配比对分离因子的影响,研究发现正己烷与异丙醇的体积比为98∶2时,取得了理想的分离效果,分离因子α值达1.26.     

一种新的分类方法——属性均值聚类属性支持向量机(AMC-ASVM)

在属性均值聚类(AMC)与支持向量机(SVM)的基础上,提出了一个新的模式分类算法——基于(属性)聚类的属性支持向量机算法(AMC-ASVM)。主要思想是利用属性均值聚类网络得到的具有概率信息(权重)的样本,来训练属性支持向量机,从而得到分类器。这种方法结合了属性聚类的稳定性与属性支持向量机可以利用加权样本的优点,适合处理具有强噪声的数据。另外,该方法也可以看作是堆近邻分类法的自然推广。在实验部分,将其用于结肠癌基因表达数据的处理。实验结果显示了AMC-ASVM在一定程度上优于最近邻,Boosting,堆近邻,SVM等方法。