基于问题模式匹配的智能答疑系统原型

智能答疑系统是将学生的问题和老师的解答有机地组织起来并存放至相应的答题库中，通过自然语言的语义理解技术来分析并自动的匹配学生所提出的问题，自动地给予问题解答的系统. 智能答疑系统能够给予提问者即时的回应，减轻教学人员的工作压力，在远程教学中具有重要意义.红棉智能答疑系统（原型系统）针对国内现有的智能答疑系统普遍存在的问题，借鉴了国外先进智能答疑系统的成功经验与设计理念，根据中文智能答疑的特殊需求，引入了基于概率的双向最大匹配分词算法、智能问题模式匹配、基于语义依存树的语义分析等技术进行智能问题分析，形成了具有更高答案召回率、合理性与正确性的新一代智能答疑系统.     

机器人足球识别算法研究

在基于YUV色彩空间上采用混合方法进行颜色分类基础上，提出了一种基于种子填充的新目标机器人搜索算法——二分搜索法，从而明显减少了识别过程中的计算量。通过在F180机器人足球系统上的试验，证明此方法是有效的，可以在保证识别精度的前提下，快速识别机器人。     

武器系统输出数据的视频采集与恢复

为了提取显示器的显示数据,提出一种自动提取视频中显示区域的方法,该方法利用多帧视频图像信息,根据录取的视频图像的特点,采用帧间差分方法,分割出显示区域。然后,针对由于摄像头和显示器刷新率不同带来的阴影问题,采用一种保持对比度的灰度变换方法,消除了阴影的影响,同时增强了视频信息,为后续的图像处理扫清了障碍。     

基于模糊自适应谐振理论的彩色目标跟踪系统

提出了一种在变光照条件下进行彩色图像分割和目标跟踪的方法 .通过在色度、饱和度、亮度HSI(hue ,satura tion ,illumination)空间自组织非监督地进行颜色聚类 ,使用增加、削减和融合聚类的方法 ,寻找适当的聚类数量 ,使目标跟踪更加精确 .该方法基于模糊自适应谐振理论 (fuzzyadaptiveresonancetheory ,FuzzyART) ,具有在线升级目标颜色模型的能力 ,可以克服环境光线变化所带来的影响 .在复杂背景和变光照条件下的目标跟踪实验结果证实了该方法的有效性 .     

公路管理单元动态划分技术与数据模型研究

管理单元是公路管理系统中一切管理工作的基本分析单位 ,是决策分析的对象 .管理单元划分得是否合理不但会直接影响到系统后期开发工作的繁简、难易程度 ,而且在很大程度上决定了系统决策分析结果的正确与否及其在实际工作中的实用程度 .在管理单元划分方面 ,目前尚无实用的原则和科学简洁的数据模型可供遵循 .为此在对公路管理系统的特点进行分析的基础上 ,提出了管理单元划分的原则和方法 ,并建立了相应的数据模型     

非限定手写汉字的分割研究

分析目前手写汉字分割研究的几种有效方法，在此基础之上提出了针对非限定手写汉字分割的多层投影算法。通过对经典投影方法的补充和扩展，建立算法的基本模型，编写相应的程序，应用于支票校验系统当中。实际的金融支票大写汉字识别实验结果证实所提出的算法的有效性。     

基于最大模糊熵原理的多阈值图像分割新算法

基于最大模糊熵准则,提出了一种新的多阈值图像分割算法。该算法通过定义一种简单的线性模糊隶属度函数,将图像模糊划分为若干个不同的区域;同时采用自适应遗传算法搜索最大模糊熵准则下图像的一组最佳分割阈值,并对遗传算法中的编码方式及交叉算子、变异算子进行了一些有益的改进,极大地减少了计算量和存储空间,加快了算法的搜索速度。通过仿真实验证明该算法对复杂图像良好的分割效果和较强的实时处理能力。     

基于直方图指数平滑的模糊散度图像分割

当图像灰度直方图具有多峰时,模糊散度图像分割方法的参数初始化有困难。针对这一问题,基于直方图指数平滑峰点自动检测原理,提出了一种自适应的模糊散度图像分割算法。该算法首先利用直方图指数平滑峰点自动检测原理,检测出直方图合理的波峰点和波谷点,并统计波峰的个数。然后利用检测到的波谷值初始化目标平均灰度等级搜索区间,利用波峰值初始化散度函数搜索区间,分类数由检测到的峰点个数来确定。实验结果表明,该方法更具有普遍性和适应性。     

基于扫描线种子填充的二值图像聚类算法

提出了一种基于扫描线种子填充的二值图像快速聚类算法 .该算法步骤为 :对二值图像进行扫描 ,如果检测到了目标点 ,则将该点作为新的聚类的种子 ,将该种子扩展到整个目标区域 ,形成一个包含目标区域的聚类 .该算法的特点为 :只需一次扫描即可动态生成所有聚类 ,聚类总数动态生成 ,每一时刻只有一个聚类被处理 ,可提前进行一些后续处理 ,算法描述简单 ,易于编程实现 .     

基于核最小二乘回归子空间分割的高维小样本数据聚类

针对基于线性表示理论的子空间分割方法没有考虑高维小样本数据的非线性性质,借鉴核理论,提出核最小二乘回归子空间分割方法,使子空间分割方法适合高维小样本数据的非线性性质.经6个基因表达数据集和4个图像数据集上的实验,表明该方法是有效的.