Vague集之间的相似度量及其在模式识别中的应用

讨论Vague集之间的相似度量问题，首先，基于Vague集定义本身的动态趋势，分别给出元素相对于Vague集的隶属度与非隶属度的合理表示，进而提出一种新的度量Vague集之间相似程度的方法，并讨论其性质。然后，将元素在Vague集中所呈现的三部分：隶属度、非隶属度和不确定程度的相对重要性以及每个元素的相对重要性考虑进去，提出并讨论一种新的加权相似度量方法。进一步，将上述Vague集之间的相似度量和加权相似度量推广到连续论域，得到相应度量的积分表示，同时指出Hong和Kim给出的度量方法是结论的特例，最后，将Vague集之间的相似度量应用于模式识别。     

自适应近邻的局部线性嵌入算法

在局部线性嵌入算法(LLE)中寻找最优近邻数常用试凑法进行搜索,需要大量的时间才能得到最优结果.为此提出基于自适应近邻的局部线性嵌入算法( ANLLE),算法首先给出一个相似性度量函数,然后据此为各个样本设定阈值,根据每个样本周围数据分布情况,为每个样本自动设置不同近邻数,最后在各个样本近邻数不相同情况下进行数据降维及待测样本的分类.在人脸数据库及手写数字数据库上的对比实验表明,ANLLE算法识别性能高于标准LLE算法及邻域线性嵌入算法(NLE).     

Vague集之间的相似度量及其在模式识别中的应用

讨论Vague集之间的相似度量问题 .首先 ,基于Vague集定义本身的动态趋势 ,分别给出元素相对于Vague集的隶属度与非隶属度的合理表示 ,进而提出一种新的度量Vague集之间相似程度的方法 ,并讨论其性质 .然后 ,将元素在Vague集中所呈现的三部分 :隶属度、非隶属度和不确定程度的相对重要性以及每个元素的相对重要性考虑进去 ,提出并讨论一种新的加权相似度量方法 .进一步 ,将上述Vague集之间的相似度量和加权相似度量推广到连续论域 ,得到相应度量的积分表示 ,同时指出Hong和Kim给出的度量方法是结论的特例 .最后 ,将Vague集之间的相似度量应用于模式识别     

集值测度的生成与可分解性

本文研究了集值测度的构造，给出了向量测度的集合生成集值测度的条件和集值测度分解定理     

自适应属性加权近邻传播聚类算法

针对多维数据属性对聚类分析结果有不同重要程度影响的问题,提出一种基于自适应属性加权的近邻传播聚类算法。该方法通过考虑多维数据属性权值的重要度,在近邻传播聚类过程中引入属性加权相似性矩阵计算,并根据当前数据聚类划分的结果来分析目标评价函数,计算各个属性对当前聚类的贡献程度。随后根据贡献程度的计算结果自适应地更新属性权值,并通过属性加权相似性矩阵来重新计算近邻传播算法中的两种竞争信息,进而提高聚类结果的质量。数值实验结果表明,新方法能够有效实现属性权值的自适应调整,提高近邻传播算法的聚类效果,与其他传统聚类算法相比新方法具有更好的聚类质量。     

时间测度上具变号系数时滞微分方程解的渐近性与振动性

考虑时间测度上一类时滞微分方程的振动性,建立了这类方程的解振动的充分条件,同时,讨论了该方程非振动解的渐近性质。     

测度链上二阶非线性动力方程的振动性研究

利用R iccati-变换方法,研究了测度链上二阶非线性动力方程(r(t)x△)△ p(t)xγ(σ(t))=0的振动性,其中p是定义在测度链Т上正的实值右稠密连续函数,是奇正整数的商,且γ≥1。     

模式识别在控制系统中的应用

模式识别本质上是一种分类方法，它不需要过程的数学模型即可作出高级决策，该技术已在控制领域的诸多方面得到了应用，体现了其解决复杂系统问题的优越性。本文概述了模式识别方法在控制系统诸方面的应用情况，并指出其今后可能的研究方向。     

基于多尺度稀疏近邻图的近邻保持嵌入算法

针对近邻保持嵌入算法NPE中构造近邻图所存在的缺陷,提出了基于多尺度稀疏近邻图的近邻保持嵌入算法.对于每个待识别的人脸图片,该方法都建立一个具有九个尺度的图像金字塔,并且计算金字塔中每个尺度的图片与其他图片金字塔对应尺度的稀疏近邻.利用稀疏表示算法抗遮挡的特性,通过计算样本多尺度近邻的方法克服了传统方法丢失人脸图片二维结构的缺点.结果表明,该算法具有较强的鲁棒性,比传统的NPE算法具有更好的识别效果.     

测度链上一类时滞动力方程的振动性判据

利用Riccati-变换方法,研究了测度链上二阶非线性时滞动力方程x△△(t)+p(t)x△(t)+g(t)f(x(T(t)))=0解的振动性,其中p,q是定义在测度链T上正的实值右稠密连续函数.     

基于仿生模式识别的非特定人连续语音识别的研究

仿生模式识别基本原理应用到非特定人连续语音识别中，在构建语音模型时，将高维空间点覆盖的理论应用到非特定人的连续语音识别的学习过程中，在识别时，采用高维空间覆盖动态搜索的方法，对连续语音进行动态搜索，这样就可以避免因分割错误而带来的错误识别．通过实验得到了较为满意的识别结果。     

模式识别中的支持向量机方法

针对模式识别问题，描述了支持向量机的基本思想，着重讨论了v—SVM、最小二乘SVM、加权SVM和直接SVM等新的支持向量机方法，用于降低训练时间和减少计算复杂性的海量样本数据训练算法分块法、分解法，提高泛化能力的模型选择方法，以及逐一鉴别法、一一区分法、M—ary分类法、一次性求解等多类别分类方法，最后给出了污水生化处理过程运行状态监控的多类别分类实例，作为结构风险最小化准则的具体实现，支持向量机具有全局最优性和较好的泛化能力。     

基于神经网络的模式识别及其应用

神经网络系统具有自学习和自适应的能力,同时有很强的容错性和鲁棒性,善于联想、综合和推广,故特别适用于处理难于语言化的模式信息。本文简述了BP神经网络的基本原理及其在模式识别中的应用,并进行了相应的仿真。     

基于证据理论的模式识别算法

讨论了基于Ｄ－Ｓ证据理论的模式识别算法,它是一种基于近似推理的算法,相比于其他模式识别算法,它具有算法简单有效,可以更好地利用人们的经验知识进行模式识别,最后以手写体符号的在线为例,说明了该算法的有效性。     

改进模糊模式识别的基坑支护方案综合评价

针对基坑支护方案综合评价中各指标的不相容性,利用模糊模式识别的方法,将评价基坑支护方案的多个指标合成为一个与最优评价集的相对贴近度,用来描述基坑支护方案的综合效益.以可供选择的4种支护方案为例进行了评价,得到综合效益最优的方案.     

神经网络在变压器超高频局部放电模式识别中的应用

结合自适应遗传算法 (AGA)和BP算法各自的优点 ,构造了AGA BP混合算法作为神经网络的学习算法 .实验结果表明 ,AGA BP神经网络既解决了BP神经网络对初始权值敏感和容易局部收敛的问题 ,又提高了AGA神经网络的收敛速度、稳定性和求解质量 ,具有较高的识别率和较强的推广能力     

概率统计应用于手写模式识别系统

介绍了模式识别及手写模式识别系统相关知识,进而叙述了手写模式识别系统的结构设计、实现和实验,通过实验得出该手写模式识别系统在理论上和实际上是可行的结论．     

一种基于CMAC神经网络的板形模式识别新方法

针对传统的板形识别模型在识别板形时,由于板宽的变化需要不同拓扑结构的神经网络才能完成板形模式识别任务,网络学习工作量大,网络存在收敛速度慢,易陷入局部极小等结构性能不佳的问题,建立了一种新的基于CMAC神经网络的板形模式识别模型。该模型利用欧式距离差得到网络的输入神经元,并在权值更新算法中引入了动态学习率。通过仿真实验表明该方法简单、实用,识别精度较高,克服了传统的识别模型的缺点和不足,有效地提高了板形模式识别模型的速度和精度。     

基于特征抽取和模式识别的工件智能检测系统

以工件为对象,研究开发了适合于工业应用的视觉算法,在图像的预处理,特征抽取和识别等方面做了深入探讨。重点介绍了形状分析和形状特征抽取算法。链码分析和傅立叶描绘子相结合是本文一大特色。理论分析和实验表明本方法是一种有效快速的高精度图像边界频谱特征的抽取方法。