地基云图识别的光照补偿算法

为研究地基云图云状识别中的光照补偿问题,针对可见光地基云图,提出了一种基于BEMD与Closed-Form景物提取算法相结合的地基云图光照补偿算法对云图进行预处理,经过去光照处理后的云图,再进行Hilbert谱特征提取,最后进行云类的识别。与基于L1的全变分模型的光照补偿算法相比,可有效地去除云图的光照影响,又不至于去掉云图自身的信息,且与背景区别明显。试验结果表明,使用该方法与未进行处理的云图相比识别率提高4.17%~18.88%。     

基于复杂网络和图像轮廓的形状识别方法

基于轮廓的图像识别方法具有过程简单、识别效率高等特点.但随着人脸表情变化、光照强度以及遮挡等因素的改变,提取图像轮廓形状的难度增大,从而使方法的有效性受到影响.本文提出一种基于复杂网络和图像轮廓的形状识别方法,通过提取形状图像的轮廓点,建立相应的复杂网络模型,计算相关参数来识别图像.实验表明,该方法具有对轮廓图精确度依赖性低、复杂网络规模小、阈值参数少、能有效适应边界形状改变等优点.     

基于WLLE和SVM的植物叶片图像识别方法

针对局部线性嵌入(LLE)算法易受噪声影响,以及最近邻分类器不能有效识别植物叶片图像,提出一种基于加权局部线性嵌入(WLLE)和支持向量机(SVM)的植物叶片图像识别方法.首先利用WLLE算法对预处理后的含有高斯噪声叶片图像进行特征提取,然后采用SVM分类机制对叶片图像进行训练和识别,最后在真实的植物叶片图像数据库中提取植物叶片图像进行分类实验.实验结果表明该方法能提高叶片图像的分类率.     

彩色可视传感阵列基元匹配快速定量算法

在彩色可视传感阵列传统处理方法中,存在着数据量大,人工分析困难、种类浓度识别难以同一次实现等问题,针对这些问题,考虑到同类气体饱和响应阵列点位置一致性的特点,提出一种彩色可视阵列基元匹配快速定量识别算法。该算法首先采用设置经验阈值消除冗余量,进行去噪和特征提取,减少人工分析量;然后进行基于二值化基元图模板匹配的定量分析种类识别,减少计算量,增加气体识别效率和精度;最后,综合模糊逻辑和神经网络2种人工智能方法的优点,建立彩色传感阵列气体浓度识别的自适应模糊推理系统。算法优势在于将不同气体的种类和浓度检测分开进行,解决了种类、浓度同时识别时可能出现特征数据交叉感染导致错误识别的问题。基元模板匹配分析结果显示,氨气、氯气和二氧化硫3种气体分类识别结果准确率达100%,利用模糊神经网络方法对氨气浓度识别率准确度较高,误差在5%以内。     

一种高识别率的语音密码锁

采用基于统计模型的隐马尔可夫模型(hidden Markov model,HMM)来描述语音模型,进行语音模型库训练,并使用模板匹配的Viterbi算法进行语音识别,实现了以凌阳16位单片机SPCE061A为核心的语音密码锁系统,包括键盘模块、电源模块、门锁控制模块、LCD显示模块。该密码锁将语音密码和键盘密码技术相结合以保证系统安全性,通过测试,系统对特定人语音识别率为98%。     

支撑向量机在给水管网故障诊断中的应用

针对城市给水管网运行故障诊断问题,构造一个给水管网室内实验模型,通过测试节点水压变化,利用建立在结构风险最小原理基础上的支撑向量机(SVM)模式分类功能,确定相应的特征向量和核函数参数;选取样本进行训练和测试,在小样本情况下对管网故障点进行判决.在多次实验模型测试数据的基础上, 对基于SVM的给水管网故障诊断方法进行测试,并在相同实验测试数据的前提下与神经网络(ANN)法进行比较,实际算例表明,SVM方法的诊断精度优于神经网络法.     

克隆选择算法在遥感影像分类中的应用

 针对遥感影像分类中的局部极值、鲁棒性等问题,提出基于克隆选择算法的遥感影像监督分类方法。所提方法将遥感影像各波段亮度值定义为抗原的属性,通过计算遥感像元与抗体的亲和力识别其类别,并采用实数制方式对抗体进行变异,在保证亲和力上升的同时,也保证了系统的多样性。该算法应用于广州市遥感影像数据分类的实验结果显示：在抗体的进化过程中,抗体的亲和力和识别能力不断提高,最终的分类精度达到92.9%。与最大似然法相比,克隆选择算法的分类精度更高。     

社会资本视角下的科技企业孵化器管理

从社会资本视角出发,将科技企业孵化器的管理过程分解为创新与创业两个环节,并从关系管理和价值认识管理两个维度上阐述孵化器管理工作的内容,构建了一个简洁的讨论框架和模型,旨在抛砖引玉,力求对现实中孵化器经营管理工作产生有益的启示。     

英语口语教学中的教师角色定位问题

作为基础教育课程改革的关键词之一,教师角色的定位决定了教师的教学观和学生观,决定他采用什么教学理念和教学方法组织教学．     

一种有效的加权冲突证据组合方法

为了有效融合高度冲突的证据,提高证据高度冲突时融合结果的可靠性和合理性,给出了一种新的加权证据组合方法。该方法根据证据之间的关联特性,通过计算证据体间的相对距离获得系统中各传感器证据的权重。首先引入一个证据体间的距离函数,根据多证据体的距离,得到系统中各传感器证据体之间的相似度和各证据的支持度,依据支持度的大小进一步可得到各证据的可信度,以此作为各证据的权重,对证据的基本概率指派进行加权平均,最后利用Dempster组合规则融合加权平均后的证据。与其他方法相比,该方法在系统存在伪证据(干扰)时能有效迅速地识别出目标。