基于迭代计算的二值波形反卷积

传统的条码识别方法是通过二阶导数零交叉来定位条码边界。对于被光学系统点扩展函数严重模糊的高密度条码图像，这种方法的性能急剧下降。为了克服点扩展函数卷积造成的模糊，需要进行反卷积处理复原波形。反卷积问题的求解是一个病态问题。在条码波形二值的限定下，提出了一种基于迭代计算的反卷积算法。先将条码图像旋至水平；然后分析条码波形，进行系统辨识；最后根据点扩展函数，采用迭代的方法重建条码波形。实验结果表明算法具有优秀的性能，显著地提高了高密度条码的识别率。     

炮兵气象条件测试及其规律性研究

地面炮兵通常采用规定使用时限的方法来减少因时间不同所造成的气象条件误差对诸元精度的影响,但由于气象条件变化复杂,这种方法有时会引起较大的开始诸元误差.本文应用模糊数学和炮兵射击理论等知识对气象数据的测试结果进行贴近度分析和对气象条件的稳定性进行模糊评判,为合理使用气象条件奠定了基础.     

基于小波特征的快速核主分量分析技术

论文提出了基于小波特征的核主分量分析技术,即在进行非线性映射之前,首先利用小波变换对原始输入训练样本进行预处理,获取低频平滑、水平细节和垂直细节等三个子图的小波特征,然后在频域上,对它们分别进行核主分量分析(KPCA),对最终获得的3组特征向量设计了一种特征融合的方法。在ORL标准人脸库上的试验结果表明所提方法不仅在识别性能上优于现有的核主分量分析方法,而且,特征抽取速度提高了11倍。     

基于轮廓和统计特征的手写体数字识别

提出了数字规范化模板特征,并利用这一特征与轮廓分段特征相结合对手写体数字进行识别。首先使用基于轮廓分段特征的分类器进行识别,通过提高拒识率获得高可靠性的分类结果。然后由基于数字规范化模板特征的分类器对前一级分类器的拒识样本分类。实验结果表明分别基于这两个特征的分类器在分类结果上具有较强的互补性。实验的数据为真实支票上采集的10000个手写体数字样本,该方法的识别率为98.06%。     

距离分布直方图及其在商标图案检索中的应用

形状是描述图象的重要视觉特征,它可以通过像素点分布在空间不同的区域而表现出来,针对二值图象提出了一种基于区域的形状特征,即距离分布直方图,它的基本思想就是通过统计图象中像素点的距离区域的分布情况来获得形状特征。其中,基准点的选择和距离区域的划分是两具重要的部分,实验结果表明,距离分布直方图能够有效地刻画出二值图象的形状特征,并且具有非常好的平移。尺度和旋转不变性,将其应用于商标图案检索,其检索结果符合人眼的视觉感受。     

具有动态调节功能的Fisherface方法

高维、小样本数据的识别问题，始终是模式识别领域的热点和难点问题。由于训练样本数量很少，当以样本的协方差矩阵作为模式协方差矩阵的估计时，会产生较大的偏差。这是造成模式分类错误的主要原因。本文在详细论述Fisherface方法的基础上，提出了具有动态调节功能的Fisherface（DA-Fisherface）方法。该方法利用测试样本完成了对样本协方差矩阵的动态调节，减小了因样本数目很少所造成的偏差，从而实现了对Fisher鉴别矢量集的优化。最后，在ORL人脸库上的实验结果表明，该方法的模式分类正确率比Fisherface方法有显著提高。     

基于多方向二进小波变换的遥感图像特征提取方法

在分析不同分辨率图像空间特性的基础上，提出了一种基于多方向二进小波变换的图像特征提取方法．该方法首先对图像进行小波变换，然后由二进小波变换的模的局部极大值检测信号突变点位置及奇异性大小，实现图像的边缘特征提取．通过对遥感图像样本的仿真实验表明，基于多方向二进小波变换的图像边缘特征提取方法可以取得较好的边缘特征提取效果．     

一个描述机器人团队形成的动态演化模型

目前在多机器人领域，对组织、团队和群体概念比较混乱，团队形成的研究大都停留在定性分析阶段。借鉴Markov过程和进化计算，从协作主体层和能力层研究了机器人团队和组织的区别及团队的形成机制。提出并全面描述了一个机器人团队形成的动态演化模型，目前国内外尚无类似模型。该模型不仅能对机器人团队有一个整体描述，而且能定量描述团队形成时的动态演化过程。     

一种能实现弱T范数簇运算的模糊神经元模型

基于T／S范数提出了一种新神经元模型，它实际代表了一个神经元数，对文献[3]神经元模型的推广，且能实现广义的“与、或和平均”运算，通过适当地选择T－范围和S－范数，该模型能实现T／S范数簇运算，本文也讨论了该模型对某些运算的封闭能力，以便对由这种神经元构成的网络进行简化时提供依据。     

带参数的模糊推理合成法则的性质研究

本文对模糊专家系统、模糊决策支持系统和模糊控制系统中常用的Zadeh的模糊推理合成法则CRI进行了推广,提出了带参数的模糊推理合成法则.该法则克服了传统的CRI法则的若干不足之处,能在极弱条件下满足肯定前件的假言推理,否定后件的拒取式推理,否定前件的假言推理,具有推理的逼近性.因为在本方法中已降低了模糊蕴含关系R的关键性地位,所以无须慎选适宜的R.通过参数的调整,本方法具有灵活性和准确性.本文给出了参数的具体取值方法.