非接触式方坯自动定尺切割技术的研究与应用

运用图像分析和模式识别技术，实现非接触式的方坯自动式尺切割。     

基于实例的客运站股道运用实时决策推理方法*

客运站股道运用实时决策问题是一个半结构化问题,实时决策推理研究为解决特殊情况下铁路客运站实时决策问题提供理论基础,具有十分重要的现实意义。采用物元理论,构建基于实例的实时决策推理物元模型,将实时决策物元分为列车物元、方案物元和推理物元,结合车站调度员解决特殊情况下股道运用实时决策的思维过程,采用优度评价法和基于双空间模型的归纳学习法,设计基于实例的实时决策推理算法和自学规则算法,提出铁路客运站股道运用实时决策推理方法,用于制订特殊情况下的实时决策方案。实例分析结果表明,所提出的模型与算法能有效解决特殊情况下客运站股道运用实时决策问题,提高了股道运用实时决策的智能化水平。     

基于改进树路径匹配的人才培养模式识别算法研究

针对当前人才培养模式识别算法的识别时间较长、识别精度较低的问题，提出基于改进树路径匹配的人才培养模式识别算法。通过划分不同应用状态下的人才培养模式，采用改进树路径匹配算法，构建树路径模型，利用文档对象模型树实现模式匹配。将根节点作为初始节点并匹配因素最多路径，运用层次聚类算法，建立距离矩阵，设立模式匹配相似度要素，将模型内距离最近的簇实施合并，获得高精度人才培养模式识别模型，实现人才培养模式识别。实验结果表明，所提方法的模式识别时间较短，模式识别结果满意度较高，能够有效提高模式识别精度。     

模式识别简述

模式识别可以使人们在影响因素很多的情况下仍能对众多信息进行方便的处理．进而对物群进行分类。而在工业中使用模式识别．则可以节约原材料、提高产品质量和产量、降低单产能耗。解决企业和工程技术人员所关心的问题。从本期开始，“模式识别”专栏将陆续邀请国内外知名专家向广大读者介绍模式识别的发展和具体应用。希望使更多读者认识和了解模式识别对自动化技术的推动。[编者按]     

基于遗传优化的PCA-SVM控制图模式识别

针对SVM和PCA-SVM进行质量控制图模式识别时泛化能力不足和识别精度不高的问题,提出一种基于遗传优化的PCA-SVM控制图模式识别方法。该方法的基本思想是首先基于特征子空间降维方法,运用PCA算法对原始特征样本进行主元分析,有效降低原始特征样本维数并突出聚类,提取各模式之间的主元特征;然后把此特征看成遗传算法中一组染色体,对支持向量机分类器核参数和惩罚因子进行二进制编码,通过对随机产生的一组染色体进行模式识别,并将此识别率作为遗传算法的适应度函数,通过选择、交叉和变异操作,对其参数进行自适应寻优;最后用优化的支持向量机分类器进行控制图模式识别。通过仿真进行验证,结果显示基于遗传优化的PCA-SVM分类器模型的控制图模式泛化能力强、识别精度高,可适用于生产现场质量控制。     

基于系统动力学模型的物元相关网研究

在可拓学相关分析理论中,关键在于确定相关基元的函数关系。然而,在具体领域中运用的时候,相关函数的确定往往是比较困难的,也就局限了相关网方法的使用。文章以物元为研究对象,对物元的相关网进行了研究,提出了相关网的动力学模型建模方法以及一种在相关函数未知的情况下,基于系统动力学模型的物元相关函数近似构造方法。该方法的原理是通过基础数据的收集和分析,在依据相关网建立的动力学模型中按照固定的步骤进行模拟分析,得出物元的近似相关函数。在此基础上,相关分析的进行就变得简单、可模拟。案例分析的结果表明,该方法能够有效模拟和近似构造相关物元之间的函数关系,为相关网方法在具体领域中的运用奠定了一定的基础。     

气体传感器阵列常用模式识别算法

模式识别在气体传感器阵列的测量中占有举足轻重的地位。介绍了k近邻法、聚类分析、判别函数分析、反向传播人工神经网络、主元分析法、概率神经网、学习向量量化、自组织映射、自适应共振网、遗传算法等气体传感器阵列常用模式识别算法的原理和特点。同时,指出了在应用中模式识别算法选择和评价的标准。     

利用主元分析与神经网络进行人脸识别

人脸识别是模式识别中的一个相当重要而又十分困难的课题。从适应性及优化特征两个角度提出利用主元分析法和神经网络合成的方法（ＰＣＡ＋ＮＮ）进行人脸识别。理论分析和实验结果表明，通过神经网络及主元分析法不同的特性，ＰＣＡ＋ＮＮ可以同时达到自适应和优化特征抽取的目的。     

一种供应链评价的指标体系和评价方法

提出了一种能够对供应链绩效进行评价的方法,给出指标体系并应用物元模型方法构建供应链评价模型,对判别供应链绩效的判据进行了分析,结果表明运用物元模型可以有效地评价供应链的绩效,特别对于“均衡”的指标体系中定性的指标。     

仓储物害虫声音的模式识别

提出了基于声音模式识别技术的仓储物害虫计算机自动分类的新方法。借助声音传感器采集仓虫声音信号，针对仓虫声音的特点先后经过Madalinc神经网降噪、数值归一化处理以及利用FFT算法作频谱分析，最终提取仓虫声音的特征向量，送入BP神经网络中进行分类识别。     

BP网络学习算法研究及其图像模式识别应用

BP神经网络的训练性能主要包括收敛速度和收敛精度等方面,该训练性能在很大程度上取决于所选择的网络学习算法。本文针对模式识别应用领域,通过实例,运用Matlab编程对部分较好的网络学习算法的训练性能进行了比较研究．给出了模式识别应用过程中BP网络学习算法的选择依据。在此基础上,运用BP网络编程实现了对常见单位符号图像目标的模式识别,并通过识别算法的实现过程,分析了用BP网络进行图像目标模式识别的具体思路和方法。     

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。     

复杂系统的统一集模式识别

人类社会和科学技术的不断发展必然导致系统复杂性的提高，如今复杂大系统的发展已经向传统的模式识别方法提出了挑战，本文本着封复杂大系统呼唤新的模式识别方法的响应，探讨了基于统一集和集对分析的一种新的模式识别方法，并给出了利用兹方法进行模式识别的判定原则．举例证明了该方法的有效性，     

复杂系统建模--高维特征空间变量法

本文运用模式识别技术提出了一种分析和选择复杂系统变量的方法.运用该方法使得系统的建模和控制简化.本文以复杂碳化过程作为实例,用模式识别技术对其内在规律进行分析,找出了温度分布与结晶质量的定量关系.在此基础上,建立了碳化过程的动态模型.实践表明,该模型与实际过程基本吻合,并已取得明显经济效益.     

利用图像处理技术进行眼镜应力检测

本文分析介绍了运用图像处理和模式识别技术,在分析数学模型与算法的基础上,选择适合计算机定量计算并能满足实践要求的算法,运用软件编程技术,实现眼镜应力自动化定量测量的应用开发方法。     

基于纹理的中药材贝母显微图像的识别

提出了一种适合于中药材贝母粉末显微图像的纹理分析方法,即综合运用分形维数、二级小波变换和灰度-梯度共生矩阵3种方法分析纹理图像,共提取了8个特征量用于模式识别实验,得到了较好的识别效果,表明模式识别技术是可行的。     

基于多元数据图表示的广义统计模式识别

现代统计模式识别方法以数据满足一定的统计分布规律为前提,然而现实问题研究中存在大量分布不理想或小样本情况.基于多元图表示的广义统计模式识别提出基于类别样本统计分布特性分析来选择狭义统计或非统计方法,它主张统计学万法在模式识别领域的科学运用.首先介绍了广义统计模式识别概念,然后基于人工构造数据集对该方法进行了数据仿真实验,结果显示,类别样本统计分布特性差异对分类方法选择具有显著影响.     

基于SVM的遥感影像的分类

遥感图像的分类方法包括统计模式识别、句法模式识别、以及神经网络、遗传算法、模拟退火算法等等。本文分析了统计模式识别方法的优缺点，提出了使用SVM的方法进行遥感图像分类的设想，通过实验证明该方法是有效和稳健的。     

基于多Agent的模式识别框

传统的模式识别方法主要存在两个方面的不足：集中式控制；依赖于特征抽取和选择的质量．本文的研究是在分析自上而下模式识别方法和自下而上模式识别方法的特性和优缺点基础上，基于多agent理论和技术，提出了将两种不同类型的方法集成的模式识别框架APRF（Agent-Based Pattern Recognition Frame） ；先用自下而上定量计算方法对模式建模，使其有利于分类；再用自上而下的定性分析方法对模式涌现．目的是让计算机模式识别更符合人的认知过程，APRF的基本思想是：模式识别一模式建模＋模式涌现．     

基于数理统计及人工免疫的入侵检测模型

分析了生物免疫系统的机制,介绍了基于免疫原理的入侵检测系统,针对目前计算机免疫机制和算法存在的不足,结合入侵检测机制,提出了运用HAMMING距离数理统计算法来改进特征码的模式匹配规则,并提出了一个包含基于神经网络的模式识别器的入侵检测模型.入侵检测系统根据免疫机制能够在网络攻击一旦发生时,动态地、自我学习性地产生高质量的核心检测元.实验结果表明,运用上面提出的算法及模型能够很好的提高系统的非线性和自适应性.