彩色图像量化的FSCAMMD聚类算法

提出了一种基于模式识别技术的彩色图像量化的新算法－－基于最小距离最大的快速统计聚类算法（FSCAMMD）。本算法克服了SCA算法对聚类中心初始值选取的不足,给出了最大频度与类内最小距离最大相结合的方法－－初始值优选法,实验结果表明,本算法可较大幅度地减少图像量化后的总方差以颜色失真度。     

一种高速可编程模糊控制器

本文以MOS－DYL工艺构成的可实现电流型、电压型电路互相兼容的通用模糊逻辑集成电路作为基础，提出了一种高速可编码模糊逻辑控制器的硬件实现方案。研究结果表明，其速度可达4×10^7FIPS（每秒模糊推理次数）。     

基音周期估计算法在声调康复训练中的应用

汉语是一种声调语言,而声调的识别是以基音周期的估计为基础的。文章首先用LPC求残差系数,然后对残差系数求自相关周期,进而求出基音周期,再结合计算机智能诊断,提出了一套适合临床语言障碍患者进行语音诊断和康复训练的方法。     

使用混合人工鱼群算法求解装箱问题

装箱问题在实际生产中应用非常广泛,在分析该问题特点的基础上提出了使用类CF近似算法和人工鱼群算法相结合的混合人工鱼群算法求解装箱问题,并给出了具体的算法步骤。跟遗传算法的对比试验结果表明该算法在求解装箱问题所得的结果优于遗传算法,具有良好的应用前景。     

关于图像色彩压缩的一种新聚类算法

提出一种用于图像色彩压缩的概率聚类算法，该算法从统计图像的颜色出现概率来寻找最佳初始聚类中心，然后，采用距离准则进行聚类，最后，用重心法原理确定聚类域中心的向量值，理论和实验结果分析表明，该睡江具有简单，色彩压缩效果好，处理速度快的特点。     

并行协作模块化神经网络体系结构

提出了一种并行协作模块化神经网络的体系结构和学习算法,它可实现复杂任务的自动分解判定和模块化训练策略.实验表明,本文提出的体系结构和算法与非模块化神经网络技术相比,提高了训练速度、改善了网络性能,它具有高效并行运行效率、容易实现新增样本学习等特点.     

基于梯度的并行协作模块化神经网络体系结构

该文提出了一种基于梯度的并行协作模块化神经网络的体系结构(GPCMNN)．它通过分解模块，根据梯度方法对学习样本空间自动分解，由子空间识别模块和子任务模块实现各子样本空间的识别和学习，集成模块将子样本空间结果集成得系统的输出，实现了复杂任务的自动分解、判定和模块化训练策略．实验表明，该文提出的GPCMNN体系结构是可行的、有效的；与非模块化神经网络技术相比，提高了训练速度，改善了网络性能．它具有高效并行的运行效率、便于硬件实现等特点，同时又保持了PCMNN算法的优点，改进了它的不足．     

采用计数器存储权值的人工神经网络的实现

文中提出了一种采用计数器存储权值的人工神经网络的实现方案。数字权值采用计数器存储,突触电路和神经元电路用模拟电路来实现。数字权值经脉冲宽度调制电路转换为脉冲信号作为模拟突触电路的输入信号。因而权值可以长期存储,对权值的修改易于实现,突触神经元电路结构简单,融合了人工神经网络模拟实现和数字实现的优点。对于智能计算机的实现具有重要的意义。     

彩色图像量化的一种新聚类算法

基于模式识别技术，提出了一种用于彩色图像量化的新算法──统计聚类算法．并用ＢｏｒｌａｎｄＣ３．０成功地实现了该算法．理论和实验结果分析表明：本算法对彩色图像量化的颜色失其度以及噪声点的控制均优于Ｋ均值算法和ＩＳＯＤＡＴＡ算法。     

聚类分析在彩色图像量化中的应用

聚类分析是数据挖掘领域中的一个重要研究方向。它在统计数据分析、模式识别、图像处理等领域有着广泛的应用。迄今为止,人们已经提出了许多用于彩色图像量化的聚类算法。在以往的算法中,由于普遍存在着对初始聚类中心选取的盲目性或极端性,故使重建图像的整体层次与局部细节之间的矛盾未得到较好的解决。该文以SCA犤6犦算法为基础,给出了一种基于最大频度与类内最小距离最大相结合的初始聚类中心优选法———SCAMMD聚类算法。实验表明:该算法能较大幅度地减少图像量化后的均方差以及颜色失真度,量化效果比SCA和其它一些聚类量化算法有显著的提高。