基于粗-模糊神经网络的决策控制

通过将模糊集和粗集,神经网络结合,提出了一种基于模糊规则的新的粗模糊神经网络,它通过利用误差反向传播算法实时修正该新型网络中的权值参数,从而能被有效地应用于不确定系统的决策分类与模式识别问题.最后通过对一个不确定决策系统的模式识别的仿真结果表明该粗模糊神经网络能大大提高模式识别决策的准确率.     

模糊模式识别技术在水电仿真考核系统中的应用

提出了一种新的基于模糊模式识别的信息融合方法,即针对传统的确定性数学模型解决不确定问题存在的困难,建立了模糊模式识别的模型,并把此模型应用于吉林丰满水电数字仿真系统的成绩考核系统中,将参数的模糊集与正确等级模糊集进行匹配,降低了系统中1确定因素对考核系统的影响.经实验表明,此模型能正确解决不确定问题.     

基于模糊识别的汽车目标识别研究与实现

本文结合实际路面状况,将模糊模式识别技术应用到汽车识别中,对汽车特征进行分析,设计了适用于高速公路汽车防撞系统的汽车目标模糊识别算法,并完成相关的系统软硬件设计与实现.     

模糊模式识别理论在温度传感器互换性分析中的应用

针对热敏电阻温度传感器生产中对互换性分析的需要,提出了利用模糊模式识别理论解决该问题的设想,并得到了一种简洁实用的算法。在此基础上利用计算机和标准总线模板研制成温度传感器互换性模糊模式识别系统。运行结果表明,系统各项指标满足用户要求。     

掌形识别的算法设计及系统实现

掌形识别从理论层面讲归属于数据融合理论中的属性(目标识别)级融合范畴,同时也是一个模式识别问题.介绍了数据融合理论对掌形身份识别系统的指导作用,详细叙述了基于贴近度的模糊模式识别算法设计及其在本系统中的应用,最后从系统角度出发讲述系统的总体设计与实现方法.该研究可应用在门禁、考勤及安检等需要身份识别的系统中,尤其适合在小范围人群中使用.     

基于模糊数模糊集的模式识别

讨论了模糊数模糊集的模式识别问题.首先,引入了模糊数的两种排序方法及模糊数模糊集的概念,并以此给出了模糊数fuzzy集的隶属原则;其次,给出了模糊数模糊集的模式识别的实例;最后,为了度量所得结论的可靠程度,引进了可信度的概念,并提出了可信度的计算公式.     

纺织品检测中的模式识别应用

将模式识别方法用于毛巾和纺织面料生产过程中的瑕点检测, 研究了模糊小波模式识别方法, 对毛巾生产过程的多种瑕点监测进行了算法分析和简要论述, 这种算法具有更强的实用性和鲁棒性. 又由于系统采用DSP实现, 使识别速度大大提高, 完全能满足实时性的要求.     

模糊模式识别方法及应用

模糊模式识别是模式识别的一个最新分支,已得到广泛的应用。本文介绍模糊模式识别的方法和应用。     

基于粗糙集定权法的雷达信号模糊模式识别

信号识别是侦察系统信号处理的目的,是整个雷达对抗信号处理中关键性的一个环节.为解决雷达信号的智能识别问题,研究了将粗糙集和模糊模式识别法紧密结合的雷达信号识别模型,即先用粗糙集属性重要性定义了雷达信号各特征参数的识别权重,再结合模糊模式识别的方法对雷达信号进行匹配识别.该方法既充分运用了原始数据又体现出雷达信号自身的特点,通过实例验证并分析了此法的实用性和有效性.     

模式识别在变电站远程视频监控系统中的应用

将模式识别技术应用于变电站数字视频远程监控系统中,为变电站实现无人值守提供了条件。图像处理和模式识别是远程视频监控系统应用研究中的两大关键技术。阐述了图像处理和图像识别的过程,介绍了常用的模式识别如统计模式识别、模糊识别和神经网络识别等方法的基本原理,并对它们的优缺点进行了分析。最后总结了对变电站内信号灯状态、指针表、数字表和环境等的识别方法。     

模糊情感分析及其在E-learning系统中的应用

摘基于模糊数学，本文提出了用模糊数学的评价集方法对学习者进行综合评价，是模糊模式识别的一种新的扩展和应用，为拟人化和情感识别提供了一种新的研究思路。同时本文设计了一个具有情绪反应的智能Agent助理。根据以上提出的模糊情感识别，我们将模糊情感识别的结果应用于E-learning系统，从而实现了教学系统的人性化和智能化。     

基于表格查寻学习算法的自适应模糊分类器

以手写体数字识别问题为背景,提出了一种基于表格查寻学习算法的自适应模糊分类 器,并用Matlab给出了自适应模糊分类器的实现,进而对其进行了仿真。仿真结果表明,该自适应模 糊分类器在手写体数字识别的识别性能、利用语言信息、计算复杂性等方面均优于采用BP算法的三 层前馈分类器,体现了自适应模糊处理技术用于模式识别的优越性和潜力。     

电梯交通模式的模糊神经网络识别

交通模式识别的准确性将直接影响群控系统的整体性能,通过对各种电梯交通模式识别方法优、缺点的分析比较,考虑电梯交通模式的判断条件,结合神经网络和模糊推理,设计了一种基于模糊神经网络的电梯交通模式识别方法,该方法能够适应各种交通流模式的变化,并采用相应的电梯群控调度策略。     

基于模糊模式识别的巴布剂均匀度检测系统

为实现对巴布剂涂布过程中均匀度的检测,提出一种基于模糊模式识别的检测方法。根据采集图像像素点之间的空间和时间相关性及其特征界限的模糊性,引入模糊集理论,运用模糊算法对像素点的灰度值进行识别分类。检测系统采用基于CycloneⅡ系列的FPGA技术,运用Verilog HDL硬件语言对系统完成建模与实现,并且通过了仿真和验证。通过在线测试,对视频数据流进行分析、处理和识别,实现对涂布过程中巴布剂均匀度的检测,根据统计结果,正确率达到95%。检测结果证明了模糊模式识别算法的可行性和检测系统的可靠性。     

石油管道泄漏检测模糊识别研究

本文采用TGS2610传感器获取石油管道中的气体浓度，并结合模糊识别技术通过PIC16F877对采集到的浓度进行处理并做出相应的指示。实验结果表明，模糊识别技术在石油管道泄漏检测中的应用有效地减少误检测的可能性，提高了检测的快速性和准确性。     

基于模糊模式识别的车型分类研究

根据目前中国路桥车辆收费标准，提出了一种基于模糊模式识别的车型分类系统。车辆经过环形线圈传感器时，形成感应曲线，提取感应曲线的特征并进行特征分离，利用模糊模式识别方法对车型进行匹配分类。研究结果已在路桥收费系统以及交通流量统计中得到应用。     

基于模糊识别模型的信用风险监测研究

企业资信是一个典型的模糊性问题,利用模糊数学中的多层次系统模糊综合评判法作为企业资信评估的主要方法,对企业的资信做出全面、综合、系统的评价。提出了基于隶属函数和贴近度的识别方法评估企业中长期贷款偿还能力,阐述了评估指标标准库的建立和隶属函数的构造。通过实例进行了验证,拓宽了模糊识别理论的应用范围。     

Hybrid modeling in pattern recognition and control

Four technologies are discussed: fuzzy pattern recognition (numerical and syntactic), computational neural networks, and fuzzy control. The paper assesses the maturation of these disciplines by giving two examples of crossfertilization between control and pattern recognition. First, the use of pattern recognition (fuzzy clustering and feed forward neural networks) to help develop and represent fuzzy controllers is illustrated. Second, an example of waveform analysis by syntactic pattern recognition that uses the fuzzy control paradigm is given. The paper concludes with some ideas about what should happen next, and what may happen next, in terms of hybridization between the four disciplines.     

A novel fuzzy logic system based on N-version programming

For the consideration of different application systems, modeling the fuzzy logic rule, and deciding the shape of membership functions are very critical issues due to they play key roles in the design of fuzzy logic control system. This paper proposes a novel design methodology of fuzzy logic control system using the neural network and fault-tolerant approaches. The connectionist architecture with the learning capability of neural network and N-version programming development of a fault-tolerant technique are implemented in the proposed fuzzy logic control system. In other words, this research involves the modeling of parameterized membership functions and the partition of fuzzy linguistic variables using neural networks trained by the unsupervised learning algorithms. Based on the self-organizing algorithm, the membership function and partition of fuzzy class are not only derived automatically, but also the preconditions of fuzzy IF-THEN rules are organized. We also provide two examples, pattern recognition and tendency prediction, to demonstrate that the proposed system has a higher computational performance and its parallel architecture supports noise-tolerant capability. This generalized scheme is very satisfactory for pattern recognition and tendency prediction problems