神经网络在缺陷识别中的应用

为了准确、快速地进行缺陷识别，介绍了一种新型的前馈神经网络模型，即径向基概率神经网络。与以往的算法相比，该方法具有分类识别精度高且速度快的优点。仿真获得了很好的结果。     

煤矿瓦斯监控系统趋势预测技术

随着煤矿瓦斯监控系统的普及,基于监测数据的趋势预测技术已成为现阶段研究的热点。目前对瓦斯的局部预测依然是事后预测,即瓦斯浓度超限才报警,没有提前的预测功能。为此,本文提出了基于模糊模式识别技术的趋势预测技术,该方法将传统煤矿安全监控系统事后报警转变成事前预警,提高了系统的可用性。     

高维空间下求解MDA的扰动算法及其在人脸识别中的应用

本文提出了一种在高维空间下直接求MDA(Multiple discriminant analysis)最佳解的扰动算法，并把这一算法应用于人脸的识别中。在传统的MDA求解算法中，一般要求训练样本的个数足够大，以至于其类内散射矩阵为非奇异矩阵，即所谓的“小样本”问题。但是，在入脸识别中，由于人脸空间的维数非常大，而训练样本的个数有限，造成类内散射矩阵为奇异矩阵，从而使得用传统的求解方法失效。为了能在高维空间中求出MDA的最佳解，本文采用扰动的思想，巧妙地避开了矩阵的奇异性问题并找到了最佳变换矩阵。此外，把这一算法用于人脸的识别中，对ORL人脸图像库的实验显示，采用本文提出的算法达到比较低的错误率，其错误率仅为特征脸(Eigenface)方法的49．9％，为Fisher脸(Fisherface)的7914％。     

基于SPA的模式识别

发展和深化了集对分析（SPA）基础理论，并在此基础上探讨了基于集对分析的模式识别方法，给出了集对模式识别的三个判定原则，这对SPA的发展及其在模式识别中的应用提供了理论支持。     

基于奇异值分解和神经网络的个性化信息模式识别

随着信息资源的持续增长，信息获取系统为特定用户提供特定信息服务的需求越来越重要。该文提出了基于奇异值分解和神经网络的个性化信息模式识别的方法，可以方便地获取用户信息需求的特征，并且利用这些特征信息完成个性化的信息识别和匹配，即实现个性化信息的模式识别，进而实现信息的个性化获取和管理。该文中的算法实现简单，可以方便地应用到目前的一些信息管理、服务系统中。     

最优特征子集选择问题

机器学习和模式识别面临的一个重要问题，就是特征子集的选择问题，即从一个大的已生征特集合，选择一个子集合来一致地描述已知例。特别，最优特征子集选择问题，即最小的特征子集问题的 计算杂性至今学不清楚。     

脉冲神经网络的时间计算——世界中心识别原理

本文表明传统的基于脉冲平均点火率的人工神经网的全并行计算是不妥的，因为它不能进行时间操作，我们提出一个脉冲神经网，对神经计算引入空间搜索机制，搜索能够将空间坐标转化为时间坐标，这使得空间相对坐标 为时间相对坐标，利用延迟的连接，神经网能够非常容易地完成时间相对坐标的计算，设计了一个以世界为中心的模型，它由空间搜索器和特征转移向量存储器组成：ＷＣＭ是单纯的神经网络，它代表了不变识别的神经原理。     

基于距离信息扩展原理的物体识别方法

利用稀疏距离与灰度图象相结合通过射影变换可使灰谋略特征有条件地获取距离信息，这称为基于射影变换的距离信息扩展原理。利用这些距离信息可计算物体表面平面图形的欧氏空间不变量并对景物中的物体产生假设。     

ART3神经网络的研究分析及应用

在ＡＲＴ３神经网络模型的研究基础上，分析比较了ＡＲＴ３的分布式和压缩式识别码的模式识别情况，并且与ＡＲＴ２神经网络模式识别情况进行了比较，并将其应用在轴承故障诊断中，研究分析表明，ＡＲＴ３不仅继承了ＡＲＴ１和ＡＲＴ２神经网络的功能，而且还具备了相当强的功能和可扩展的潜力。     

催化裂化装置模式识别实时优化指导软件的开发与应用

介绍了大连石化公司炼油厂催化裂化装置模式识别在线优化指导软件的开发及应用情况。优化计算是基于现场计算机数据采集系统，应用模式识别技术，提取生产过程中产生的特征信息，以优化控制模型指导反应、分馏系统的生产操作，经过应用试验，效果显著。