红外化学遥感数字信号处理算法的研究进展

介绍了几种为远距离红外蒸汽信号监测开发的分类器设计，频域数字滤波，时域数字滤波等数字信号处理技术。对线性分类器，分段线性分类器和神经网络分类器等在红外化学遥感系统中的应用做了初步的探讨。对背景扣除技术，频域数字滤波技术，数字滤波的切趾方法等做了简要的描述。阐述了时域滤波技术的基本原理及实际应用。展望了红外化学遥感数字信号处理算法的研究前景。     

指纹细节特征提取与剪枝

指纹图像经预处理后，由于各种原因，会产生数以百计的特征。为了图像匹配的精确和快速，提出一套在细化后的指纹点线图上提取细节特征并对其剪枝的方法，并根据细节特征的拓扑特性，设计了验证其可靠性的算法。通过实验，证明了该后处理过程在去除指纹图像伪特征方法面具有良好的效果。     

地震资料精细处理和解释在徐家围子油田的应用

以地震资料精细处理和解释在大庆长垣外围徐家围子油田开发中的成功应用为例，论述了地震地质综合描述技术在地质情况复杂的低、特低渗透油田开发中的应用效果。     

特征提取在硅内部微/纳米级体缺陷检测中的应用

提出了一种利用特征提取来对硅中微/纳米级体缺陷的激光散射图样进行分析,以获得缺陷大小信息的分析方法.给出了该方法中第一特征值和第二特征值的定义,指出通过所提出的第一特征值及第二特征值即可迅速地判断出缺陷的大小量级所在.这种分析方法具有分析速度快,在体缺陷小于1μm时分辨率高,且可使系统实现自动化等优点.     

应用ART2人工神经网络自组织形成焊缝图象中的典型空间模式

应用ＡＲＴ２人工神经网络算法，使采集到的焊缝横截面方向上的灰度分布数据自组织形成若干种空间模式，并把它们作为典型空间模式存储在ＡＲＴ２人工神经网络的ＬＴＭ中。对实时采样到的灰度分布进行空间模式匹配程度检验，根据模式分布情况确定出焊缝位置。文中对梯度法检测结果进行了分析和比较，结果表明基于ＡＲＴ２人工神经网络的焊缝位置检测方法具有更强的噪声抑制能力，因而检测结果更准确、可靠。     

语音识别算法的确定与实现

在语音识别的实验中，对几种算法方案进行了比较、分析和择优淘劣，标准是在一定词汇量的条件下，权衡占用机器的内存空间、（正确）识别率和响应速度。力争使与话者有关的单词语音识别系统的设计达到优化，取得满意的结果。本文即是此项实验的总结。     

地震数据油气预测中的属性优化方法

本文简单介绍了智能信息处理中新出现的RoughSet（RS）理论及属性选择方法，从双相介质地震波传播理论角度，探讨了地震数据油气预测属性优化原理，提出了基于RS理论的地震数据油气预测属性优化方法。实际应用表明；本方法速度快、易实现，而且在优选属性、最大程度地减少提取地震属性种数、提高分类正确率等方面，明显优于其它方法。本方法将成为地震数据油气预测的一种有效手段。     

基于视觉效果的雷达目标动态回波序列特征提取方法

特征提取在雷达目标识别中具有重要地位,提取有效、可靠的目标特征,是建立目标识别系统的基础和关键。在常规低分辨雷达目标识别系统中,难以根据电磁散射理论进行有效建模。本文在观察和分析大量实测数据的基础上,根据雷达操作员进行目标判性的思维过程和描述方法,以雷达目标动态回波序列的视觉效果为切入点,建立了一整套雷达目标特征提取方法。在多个雷达目标识别项目中的实际应用,证明了该方法的有效性、稳健性和可推广性。     

RSFM网络及其在信号滤波中的应用

介绍了一种适用于模式识别的新型神经网络模型--局部有监督特征映射（Reglonal Supervised Feature Mapping,RSFM）网络,描述了该网络的拓扑结构和学习算法,研究了网络的基本性能,最后将其应用到了信号滤波中.理论研究和仿真实验表明,该网络结构简单、算法简洁,收敛速度快、识别精度高,适用于需要大样本训练、随机干扰严重的复杂模式的分类与识别.     

A pattern recognition-based approach for phylogenetic network construction with constrained recombination

The tree representation of evolutionary relationship oversimplifies the view of the process of evolution as it cannot take into account the events such as horizontal gene transfer, hybridization, homoplasy and genetic recombination. Several algorithms exist for constructing phylogenetic networks which result from events such as horizontal gene transfer, hybridization and homoplasy. Very little work has been published on the algorithmic detail of phylogenetic networks with constrained recombination. The problem of minimizing the number of recombinations in a phylogenetic network, constructed using binary DNA sequences, is NP-hard. In this paper, we propose a pattern recognition-based O(n²) time approach for constructing the phylogenetic network, where n is the number of nodes or sequences in the input data. The network is constructed with the restriction that no two cycles in the network share a common node.