系统仿真的新技术探讨－（3）：人工智能

系统仿真技术近几十年得到了很快地发展，已广泛运用于许多领域。现有的系统对数值模型的仿真研究得较深入。但对认知模型和感知模型的仿真（模拟人的思维、问题求解、外界感知的能力），现有的系统对此研究得较少。本文探讨系统仿真的新技术之一：人工智能，主要介绍专家系统、人工神经网、模糊系统在系统仿真中的应用。     

数字图像监控网络报警系统设计

全面介绍了基于图像的自动网络报警系统的实现方法，它综合运用视频处理、图像处理、人工智能和网络编程等技术，能自动对监控区域的异常情况识别和网络报警。利用了Intel公司的IPL（Image Processing Library)软件包实现视频的处理，省去了直接用VFW进行视频处理的繁琐工作。给出了基于C／S模式的服务器端和客户端的编程思想及软件结构组成框图。该系统在微机Windows平台采用VC＋＋实现，经实验取得了满意的结果。人机界面友好。     

系统仿真的新技术探讨－（1）：虚拟现实

系统仿真技术近几十年得到了很快地发展，已广泛运用于许多领域。但是目前的系统仿真大多采用数学模型以及数值计算，对于数学模型的目标寻优缺乏有效的方法，并且较少考虑非数学模型（认知模型，感知模型）的仿真。本文着重探讨用系统仿真的新技术（遗传算法，人工智能，虚拟现实）中虚拟现实来解决感知模型的仿真问题。     

基于连续过松弛方法的支持向量回归算法

支持向量回归(support vector regression,简称SVR)训练算法需要解决在大规模样本条件下的凸二次规划(quadratic programming,简称QP)问题.尽管此种优化算法的机理已经有了较为明确的认识,但已有的支持向量回归训练算法仍较为复杂且收敛速度较慢.为解决这些问题.首先采用扩展方法使SVR与支撑向量机分类(SVC)具有相似的数学形式,并在此基础上针对大规模样本回归问题提出一种用于SVR的简化SOR(successive overrelaxation)算法.实验表明,这种新的回归训练方法在数据量较大时,相对其他训练方法有较快的收敛速度,特别适于在大规模样本条件下的回归训练算法设计.     

特征空间属性加权模糊核聚类算法

充分考虑了属性间的不平衡性，通过Mercer核把原始的观察空间映射到高维特征空间，提出了一种新的特征空间中的加权模糊核聚类算法WFKCA。众多实例表明，WFKCA比传统的聚类算法具有更好的性能,且对于高维数据具有很好的聚类效果。     

支撑向量机回归的简化SMO算法

统计学习理论中提出的支撑向量机回归(SVR)遵循了结构风险最小化原则，从而避免了一味追求经验风险最小化带来的弊端。采用扩展方法使SVR与支撑向量机分类(SVC)具有相似的数学形式，并在此基础上提出了一种用于SVR的简化SMO算法。与SVR现有的SMO算法相比，简化算法的数学形式简洁直观，在不增加算法空间和时间复杂度的前提下避免了大量繁复的判别条件，较大幅度地简化了算法实现，有利于SVR的广泛使用。     

基于多分类器的通信信号调制方式识别

为在恶劣接收条件下识别通信信号的调制样式,并实现识别范围的快速调整,运用决策层信息融合技术提出了一种基于多分类器的调制样式识别方法。它采用了常规特征以及三种可以快速建立的子分类器。其中“超盒”分类器用于界定各调制样式不同特征的取值范围。最近邻分类器用于分类,马氏距离分类器用于提高识别结果的可靠程度,该方法可以自动地在短时间内根据设定的识别范围建立对应的识别器,对另类调制样式或噪声有高的拒识能力。     

基于多特征的模糊c均值聚类的图像分割

图像分割是图像处理中最为基础和重要的领域之一，是对图像进行视觉分析和模式识别的基本前提。本文提出采用像索点在θ方向上的非覆盖均值差分作为像素点的一个重要特征，联合其他常用特征，对图像进行c均值模糊聚类分析。实验结果表明本文提出的方法可以很好的从图像中分割出有意义的区域。     

知识的层次表示和推理的非单调真值维护的研究

研究了专家系统中知识的多重表示情况下推理的非单调真值维护。指出了专家系统中知识的多重表示的必要性，以及知识的多重表示情况下可能出现的推理的不一致性。着重讨论了知识的层次表示和优先级的划分。基于领域知识的优先级，分层ＡＴＭＳ被用来实现推理的非单调真值维护。给出了Ｓｔｒａｔｉｆｉｅｄ ＡＴＭＳ的推理和真值维护的算法。     

一种基于共同向量结合2DPCA的人脸识别方法

提出了一种基于共同向量结合2维主成分分析(2-dimen-sional principal component analysis, 2DPCA)的人脸识别方法. 共同向量由图像通过Gram-Schmidt正交变换而求得, 具有该类图像共同不变的性质. 原始图像与该类共同向量之间的差分向量通过2DPCA处理, 依据最小距离测试得到识别结果. 实验在ORL和Yale人脸数据库进行测试, 结果表明本文提出的方法有较好的识别性能.