用于语音识别中的SOFM矢量量化方法

该文讨论了神经网络语音识别系统中的ＫｏｈｏｎｅｎＳＯＦＭ神经网络的矢量量化（ＶＱ）的原理与过程,着重解决了其在实际应用时的若干问题,包括网络大小,学习步幅函数以及矢量量化过程中的公平竞争学习的控制函数的选定。过讨论了基于听觉模型的声学特性的提取与处理,这与ＶＱ性能息息相关。系统应用的实验表明,该神经网络在语音识别系统中具有良好性能。     

“S”形刃球头立铣刀的研究（Ⅰ）──数学模型

在分析球头立铣刀刃磨方法的基础上,建立了“Ｓ”形刃球头立铣刀前、后刀面以及切削刃的数学模型．模型的建立对“Ｓ”形刃球头立铣刀几何参数的分析及优化、切削机理的研究、刃磨参数的选择以及刃磨装置的设计都将具有理论意义;对加快“Ｓ”形刃球头立铣刀的国产化制造具有实用价值．     

片状化石燃料的循环流化床燃烧(Ⅰ)--片状颗粒的形貌描述和流态化阻力特征描述

比较了不同球形度概念对片状化石燃料的描述效果,研究了片状化石燃料球形度变化对其流态化特征的影响.分析了Krumbein球形度为0.1～0.4的京西无烟煤在一台50MW循环流化床锅炉上表现出来的特殊现象,如运行床温和炉膛压力大幅度波动、依靠排放冷渣保持稳定运行,揭示了这些现象发生的原因.     

脑信息特征的评价分类方法

对脑信息处理的能力特征量和总体偏离度特征量进行了确定性评价分类.在分类数上,提出了common分类法,以一般人的特征作为分类基准,在common两边展开,以确定分类数.在分类边界上,提出了根据特征量的正态分布确定分类边界的方法.若特征量分布不是正态分布,则采用了博克斯和考克斯变换将其变为正态分布,最终得到能力特征量和总体偏离度特征量的分类规则.由于人的行为是脑信息处理在宏观上的表现,所以其研究成果可直接用来评价人的能力和行为特征.     

自适应冗余第2代小波设计及齿轮箱故障特征提取

针对强噪声背景下齿轮箱故障特征的提取问题,设计了一种提取该类信号时域特征的自适应冗余第2代小波.采用基于数据的优化算法设计每层小波分解的初始预测器和更新器,然后通过对初始预测器和更新器进行插值补零运算,来获得冗余预测器和更新器.第2代小波不需要剖分运算,利用冗余预测器和更新器直接对每层逼近信号进行预测和更新运算,能较好地保留信号的时域特征.采用第2代小波较理想地提取出了齿轮箱发生摩擦故障时的时域调制波形和周期性冲击脉冲,并对得到的细节和逼近信号进一步进行包络解调,从而分离出了故障调制源频率.结果表明,自适应冗余第2代小波对噪声背景下齿轮箱故障特征的提取效果优于其他小波.     

一种基于区域分割的多传感器图像融合方法

针对传统像素级图像融合方法割裂像素间联系的问题，提出一种基于区域分割的图像融合方法．在图像配准的基础上进行区域分割，提取显著性因子和可见性因子作为区域特征，自适应地确定融合权值以得到融合图像．该方法克服了传统像素级融合方法中融合图像模糊、对噪声敏感等不足，尤其适用于图像没有严格配准的应用场合．实验结果表明，与小波变换融合方法相比，均方根误差减小了33％～36％，灰度标准差提高了0．9％～53％，互信息提高了39％～42％，空间频率提高了0．3％～38％，客观评价准则与目视效果吻合良好．     

济阳坳陷车西洼陷漫湖洪水—风暴沉积与砂体横向预测

渐新统沙二段是济阳坳陷车西地区的主力油层,为了弄清其油气分布和控制因素,综合利用大量的地质和地球物理资料,首次在该段识别出漫湖洪水—风暴重力流沉积.该沉积具有明显的重力流沉积特征,砂岩的成分和结构成熟度均较低,粒度概率图多由悬浮次总体组成,沉积序列可用Bouma序列来描述.在明确了砂体的沉积层位和沉积边界的基础上,描述了漫湖洪水—风暴的沉积特征并建立了沉积模式,系统分析了这个环境下储集性砂体的分布及其油气聚集特征,为车西洼陷的进一步勘探指明了方向.     

基于特征的双螺杆磨浆机构参数化设计

给出了特征的定义、参数化技术的定义，以及基于特征的参数化设计的定义，并建立了双螺杆磨浆机构的参数化模型，最后运用Pro／TOOLKIT和VC＋＋实现了双螺杆磨浆机构的参数化设计。     

韧性材料的细观力学实验和数值模拟研究

引入能够定量描述内界面的细观统计参量-形状因子,定义了基于内界面形状因子的损伤变量,建立了相应的细观力学模型,探索细观组织演化和材料宏观响应关系的力学问题。通过宏细观相结和的方法,对韧性金属材料的内界面进行实验研究和数值计算。通过对比试验和数值计算结果,认为可以用形状因子能够反映材料细观组织的演化情况,用损伤变量能够表征材料的损伤程度。并得到了内界面演化随应变发展的演化方程。对于发展和应用宏-细观相结合的损伤力学理论,对阐明韧性材料的变形、损伤、破坏机制有重要意义。     

基于自适应Gabor小波包的超声心动图像纹理特征提取

在基于纹理的医学图像检索中，由于提取的图像特征向量过长，大大影响检索速度．为此，提出一种基于Gabor小波包的自适应纹理提取方法：以信号能量集中度作为自适应选取小波包的优化参数，建立反映图像内容的纹理特征向量以及空间信息结构码．这种方法有效降低了纹理特征向量的维数，显著提高了图像分析的效率．在基于内容的图像检索实验中，以两类典型的超声心动图像为研究对象，结果表明该方法能够达到95．1％的平均识别率．