无限制手写数字自动识别系统的研究

给出了一个高性能的自由手写数字识别系统，提出了在不同尺度下抽取结构上的粗特征和细特征并分层实现的方法。在粗分类阶段，基于结构粗特征用分类树进行稳定的粗分类，并进行属性确认，还用小波分解技术进行细分类识别；又提出并实现以微小线段及其邻域作为比较匹配的相关匹配方法来减少候选类别数（限制性分类），最后，提出并实现用二分类ＢＰ网对非相似二类别字进行非限制性分类，另外，在识别的前端，还对书写工整的文字进行Ｆ     

基于非线性状态估计（NSET）的手写体数字识别系统设计

手写体数字识别技术在财会、气象、邮政等领域有着广泛的应用，探究数字识别新方法并付诸实践，可以产生巨大的社会和经济效益。本文从传统的非线性状态估计（NonlinearStateEstimateTechnology，NSET）技术出发，将这种一般应用于设备运行状态监测领域的方法应用于手写体数字识别，并在美国邮政服务（UnitedStatesPostalService，USPS）手写数字识别库上进行测试。测试结果表明，该方法简单易行，运算效率高，对于解决非线性和高维模式识别问题凸显出其适应性强的特点。     

基于层次形状特征提取模型的图像分类

研究了基于层次形状特征提取的图像分类。针对从初级视觉皮层(V1)提取的条形特征对目标形状的描述不充分,提出了一种层次模型(V1-V2-V4),以进一步提取角形、曲率特征。模型中V1层的条形特征提取采用Gabor模拟;V2层结合了抑制噪声的3D高斯差分(DOG),并使用滤波方向相差90度的Gabor滤波器组提取多尺度角形特征;V4层通过曲率域计算来描述目标轮廓的形变程度,并最终提取融合曲率与梯度方向的直方图特征。该模型的优势在于,通过角形以及曲率计算的层次表达,可有效增强目标形状的关键特征点(如角点位置)的提取,并且结合曲率与梯度的直方图描述,也可有效弥补单一曲率或梯度特征局部描述不足的问题。在MNIST手写数字与21类遥感影像上的实验表明,曲率与梯度的融合特征的运用可获得98.94%的数字识别精度,同时在遥感影像分类中也可获得较好的分类效果。     

联机手写连笔字符识别特征提取算法优化

消费类电子终端产品的普及,对联机手写字符输入提出了更高的要求,联机手写字符识别技术的研究有着广泛的市场前景和深刻的理论意义。其中联机手写连笔字符是最常见字符之一,本文首先以联机手写数字字符为例在手写板上画出连笔数字,得到数字信息的原始特征,然后对原始特征进行再次提取,针对连笔字符结构特征提取不稳定性以及笔段区位高重合性的缺陷而影响识别结果,本文在聚类算法基础上提出基于贝叶斯分类器的逼近笔段提取优化算法,将字符样本优化前区划的36个区间,优化后增加17种笔段关系分布特征,得到53个匹配特征。通过20名在校大学生现场实验,结果证明这种优化算法具有较低的计算复杂度和很好的逼近效果,有效提高识别率。     

手写光学表格自动阅读机

介绍了一种手写光学表格自动阅读机。该机可识别表格中的手写数字及少数特殊符号。介绍了表格自动阅读机系统和体系结构以及在国内各次大规模使用情况。该机在１９９０年中国第四次人口普查中，已实际用于大约５０００人书写的６．６亿字符普查数据的自动录入；在１９９３年中国计划生育调查中，用于全国３０个省市的计划生育抽样调查表格数据的自动录入，识别精度达到９９．９５％，识别速度为每秒７页Ｂ４幅面表格。１９９３年９月     

一个用于肺癌早期诊断的彩色图像处理系统

介绍了一个用于肺癌早期诊断的彩色图像处理系统，该系统能够识别痰液涂片彩色显微图像中的肺癌细胞。为了提高识别癌细胞的稳定性与有效性，系统采用了一种细胞分割与分类的分层处理结构，首先，在某一特定的归一化彩色空间中利用自适应阈值的方法对细胞核进行分割，利用细胞核的形态学特征检出可疑癌细胞，最后用细胞核区的色度学特征和纹理特征对可疑癌细胞进行分类与识别，从而确定是否存在癌细胞。     

仿射变换下的分类识别

特征提取和分类识别是统计模式识别中两大关键步骤。显然,不同的特征提取方法与不同的分类器相结合,识别性能往往是不同的。从微分几何的角度出发,可将特征系数的获得看成线性几何变换,即仿射变换,据此在黎曼空间提出一种基于黎曼度量的分类识别方法。通过对经典最近邻分类器的线性加权,达到更有效地分类识别。不但在理论上将特征系数提取与分类识别合理的结合起来,而且由人脸识别实验表明该方法的有效性,该方法比传统方法的识别率有约 3%的提高。     

Similar pattern discriminant analysis

针对多类识别时原始特征空间中相近的类经过线性鉴别分析(LDA)降维后,在低维空间中易被混淆,不利于识别的问题,提出了一种通过对相似类对抽取鉴别向量构成特征变换矩阵的相似模式类鉴别分析(SPDA)方法,并将该方法与LDA降维相结合,应用于级联改进二次鉴别函数(MQDF)分类器中,实现了对手写汉字识别性能的进一步提高.在脱机手写汉字字符集2000(HCL2000)上的识别率为98.82％,识别结果高于可查文献中相应的识别结果,这表明该方法是有效的.     

GDX1包装机IPC控制系统的研发

目的 为加强银行智能办理业务的设备性能,提高票据数字的识别效率,研究一种改进的算法来获得更高的数字识别效果。方法 根据银行票据的印刷数字特性进行字符的提取和分割,经过图像采集、降噪、二值化之后使用起点直方图法结合步长法进行字符的分割,然后使用改进的LENET卷积神经网络用于提取数字特征,进行分类。结果 通过实验,结果表明文中提出的方法进行复杂环境下的印刷数字识别,准确率达到95%以上,识别速率为1.169 s/张。结论 利用新的字符分割算法与改进的LENET神经网络相结合,可以很好地识别干扰强的印刷票据,准确率高。     

基于进化规划的自适应高斯神经网络

自适应高斯神经网络能够对目标信号的功率谱有效识别特征进行自动提取和分类，但此网络使用BP算法，其误差能量函数是一个不规则的超曲面，容易陷入局部极小值．因此，提出了一种使用进化规则来设计和训练自适应高斯神经网络的新方法．该方法能够自动地确定网络的最优结构和联结权值，同时避免网络的局部优化．实验结果表明，将该方法用于被动声纳目标的分类识别，能够有效地克服局部最小问题，具有更好的识别率．     

应用变分模态分解和随机森林特征选择算法的扬声器异常声分类

为了提高扬声器异常声分类的精度,提出了基于变分模态分解(variational mode decomposition, VMD)和随机森林特征选择算法的扬声器异常声分类方法。首先利用VMD分解采集到的扬声器声响应信号,之后对得到的一系列模态分量提取时域和频域特征;然后利用随机森林特征计算提取特征的重要性,通过递归特征消除算法提取出相关性较强的特征构造出最优特征子集;最后将最优特征子集输入至随机森林分类器中,实现扬声器异常声的分类识别。试验结果表明,该方法可以筛选出规模较小且识别度较高的低维特征数据集,同时具有更好的平均识别准确率,平均识别准确率为98.61%。     

基于可拓学的球墨铸铁石墨形态识别

根据石墨的形态特征，运用物元分析方法建立起关于石墨形态识别的物元模型，提出了可拓分类树方法，讨论了可拓分类树的构造和实现途径，并将其应用于石墨形态的类型判别；给出了典型的实验结果，并对该方法与现有识别方法作出比较。     

基于双重注意力机制的异步电机故障诊断方法

多源数据融合的深度学习模型中，通常采用等比重的方式将不同类型信号的特征映射至融合层。然而，该过程忽略了非同源信号特征对最终识别效果贡献程度不一致的问题。为此，提出了一种基于双重注意力机制的深度学习模型。该模型首先采用通道注意力模块抑制同源信号内无关分量的影响，其次利用多源数据注意力模块自适应分配非同源信号特征的权重，然后对重新赋权的特征进行融合，最后利用分类器实现模式分类。将所提方法应用于异步电机故障诊断，结果表明，该方法平均识别准确率为99.74%,其诊断效果优于现有方法。     

基于遥感专家分类系统的土壤信息提取与识别

论文在遥感信息提取与识别理论与方法的支持下，以黑龙江省富裕县为试验区，采用MODIS遥感数据和地形数据，利用地表反射率、植被指数以及DEM数据等参数提取特征图像．结合样区土壤分类体系和土壤遥感光谱特征，探讨基于专家分类系统的土壤信息提取的可行性，评价其识别的精度。     

轴类零件二维工程图的特征识别方法

提出了轴类零件特征识别的方法.首先对特征进行了分类,接着建立了轴类零件的特征树模型,并且给出了实现该特征树模型的类结构;然后确定了主特征、辅助特征的识别原则和特征识别过程中的图形调整方法;最后描述了建立特征树的算法.在AutoCAD 2006环境下,以ObjectARX为开发工具,开发出了特征浏览器,实现了文中提出的原理和方法,以某典型轴类零件图为例进行了特征识别,识别效果良好.     

基于多传感器数据融合的喷水推进泵空化分类识别

采用基于奇异值分解和人工神经网络的多传感器数据融合方法对喷水推进泵的空化状态进行了分类识别研究。首先利用基于奇异值分解的权值估计算法分别对水声信号和振动信号在时间上进行数据级融合,提取出各自的特征,然后将所有特征组合起来作为神经网络的输入,利用BP网络和RBF网络进行特征级融合和分类识别。分析结果表明：基于多传感器数据融合的分类识别结果优于单传感器分类识别结果;采用基于奇异值分解的数据融合方法后,分类识别率显著提高,对空化初生微弱特征的识别效果尤佳。     

基于自相关特征的舰船大小识别方法

基于自相关处理方法,提出了一种利用舰船辐射噪声自相关曲线特征值对舰船大小进行识别的方法,并利用BP神经网络对两类海上实测舰船目标噪声信号进行了识别。实验结果表明,利用该方法对舰船目标大小具有较好的识别效果。该法与其他识别方法相比,在保证较高分类识别率的前提下,特征量提取方法简单,特征量维数少,运算量较低,更便于工程实现。     

时域径向基函数网络诊断方法在往复泵故障诊断中的应用

往复机械是工程中广泛应用的一种机械设备 ,由于其动力学和运动学形态比旋转机械复杂 ,对其进行故障诊断存在较大难度 ,有效提取往复机械运动中非平稳时变信号中的故障特征和将故障特征准确分类是解决往复机械故障诊断问题的两个关键。本文利用时域数字特征分析方法完成故障特征信息提取 ;通过径向基神经网络对特征信息分类识别 ,实现故障的自动诊断。利用以上原理建立的油田往复塞泵故障监测与诊断系统 ,通过在大庆油田的实际应用表明 ,系统能够比较准确的识别往复柱塞泵多种常见故障 ,且具有较高的运算速度。     

基于支持向量机的模拟电路软故障诊断

提出了基于支持向量机的模拟电路软故障诊断新方法.该方法提取电路的频域响应为故障特征,利用支持向量机对故障进行识别分类.支持向量机具有结构简单、泛化能力强的特点,对小样本分类具有良好的识别效果.以Sallen-Key滤波电路为诊断例,实验结果表明该方法故障诊断准确率大于99%.     

基于小波散射卷积神经网络的结构损伤识别

损伤识别是结构状态评估领域的关键问题之一，对确保结构安全性有重要意义。深度学习算法在基于振动的结构损伤识别方面带来了许多突破，但从海量数据中挖掘结构损伤关键信息仍是亟待解决的技术难题。该研究提出了基于一维卷积神经网络(one-dimensional-convolutional neural network, 1D-CNN)深度学习的结构多类型损伤识别模型，采用小波散射变换对1D-CNN架构第一层卷积滤波器进行替换，通过散射系数实现输入层原始数据降维与特征提取，结合CNN卷积层、激活层和池化层实现监测数据特征增强处理。在此基础上，结合1D-CNN全连接层与Softmax函数实现特征数据分类，从而实现结构多类型损伤定位与定量高效识别。通过钢桁架结构和斜拉桥两种数值模型对上述框架进行了验证。结果表明：与普通卷积神经网络模型相比，基于小波散射卷积神经网络的结构损伤识别精度显著提升，损伤分类准确率达95.0%以上。随着传感数据环境噪声比例的增加，小波散射卷积神经网络损伤分类准确率虽略有下降，但仍保持较高精准度，说明该方法具有较强的鲁棒性抗噪能力。