基于模式间混淆关系自适应构建层次化分类器

为了解决层次化分类器的设计难点——子分类器的层属关系及其内部组成的确定,本文首先定义了模式间混淆关系,用于描述不同模式在判决域中的相互作用;进而提出了基于混淆矩阵度量模式间混淆关系的方法。设计并实现了多模式混淆关系分析机MPCRAM,将有师指派和无师自组两种常用的模式重组方法有机结合,遵循Fisher准则,自适应地产生层次化分类器结构。大量综合测试证实了该方法有效、实用,可显著提高分类器的识别性能和稳健性。     

墙地砖色差的计算机视觉检测研究

本文针对墙地砖色差的检测难题 ,提出了一种新型的计算机视觉检测方法 ,并通过BorlandC 5 0实现该算法。事实证明该算法能够满足墙地砖质量检测中的实时、在线、全数的要求     

人工神经网络理论及其应用

简要介绍了人工神经网络的发展过程和基本理论，从神经网络具有自学习功能、联想存储功能和高速寻找优化解的能力三个方面论述了其特点和优越性，详细阐述了在模式识别、信号处理、自动控制、人工智能、自适应的人机接口、优化计算、通信以及其它方面的应用，探讨和分析了其发展前景。     

导引头目标干扰识别与抗干扰

为提高空战中复杂干扰环境下导弹的作战效能，提出一种新的导引头对目标干扰进行识别及抗干扰的方法一基于目标行为模式识别的抗干扰方法，并给出了导引头抗干扰技术方案。最后，分别仿真验证了该方法应用于雷达导引头和红外导引头抗干扰的有效性。     

基于Powell图的模式识别法建立化学反应速度方程

本文基于Ｐｏｗｅｌｌ图，提出了用模式识别技术中的相似系数法来确定化学反应级数的方法，并给出了计算实例。     

大型回转机械故障的神经网络分类器

建立邦联类型的自动识别系统是机械设备诊断学的发展方向。神经网络理论的兴起和发展为邦联类型的自动识别开辟了一条崭新的道路。本文产生了这一现象的原因，并利用组合网络来克服单一网络对组合故障分类精度不够高的缺陷，取得了令人满意的结果。     

基于神经网络模型的发动机工况识别

提出了利用BP神经网络对发动机工况进行识别的方法。建立了NN识别模型,实现对发动机工作状态的有效识别与预报,为有针对性地对发动机进行适时控制提供了依据。     

应用遗传神经网络研究低渗透储层成岩储集相—以胜利渤南油田三区沙河街组为例

以渤南油田三区沙河街组为例,应用遗传人工神经网络模式识别方法,开展了低渗透储层成岩储集相的研究。该工作是在储集层沉积相、成岩作用研究的基础上,选用流动层带指标、孔隙度、渗透率、粒度中值、泥质含量、孔喉半径均值和变异系数等7项参数,采用神经网络模式识别方法,通过建立遗传神经网络的学习及预测模型,对渤南油田三区沙河街组进行了成岩储集相识别,识别出4类成岩储集相:不稳定组分强溶解次生孔隙成岩储集相、碳酸盐胶结物溶解次生孔隙成岩储集相、强压实强胶结残余粒间孔成岩储集相和极强压实强胶结致密成岩储集相。Ⅰ类储集相的储集性能最好,Ⅳ类最差,为非储层或差储层。