人工神经网络和模式识别

80年代重新兴起的人工神经网络已成为世界人工智能研究的热门课题之一。本文介绍了人工神经网络的一般结构及其算法,着重介绍人工神经网络在模式识别方面的作用及用作模式识别的人工神经网络分类器。希望能给读者了解这一当今世界科学前沿热门课题起一介绍作用。     

傅氏变换及模糊技术在几何图形分类中的应用

论述了用傅氏变换获取几何图形的特征参数，再用模糊技术对图形分类。     

应用模式识别自动追踪地震剖面同相轴

将模式识别技术应用于自动追踪地震剖面同相轴。追踪过程用迭代法来实现，第一次迭代时追踪到强同相轴，在其后的迭代中追踪到弱同相轴。每次迭代中的追踪范围限制在前一次迭代已得到同相轴所勾划出的区域内，采用相关相邻地震道的方法追踪同相轴，一种称为双态相容性检测法ＢＣＣ的算法可以同时相关三个道。追踪完同相轴后自动编辑同相轴，提供描述同相轴的有关参数。迭代法和ＢＣＣ算法的结合在模拟人工解释以及将“地质趋势”加入     

基于图像化特征的雷达信号个体识别与工作模式识别方法

为解决传统复杂雷达信号特征参数提取困难而无法有效进行个体识别和工作模式识别的问题,提出一种基于图像化特征的雷达信号个体识别与工作模式识别方法．首先,利用变换域特征提取将雷达时域信号映射到图像域;然后,通过协同训练来对雷达信号进行个体识别;最后,在个体识别的基础之上,采用图像化特征重构方法和图像分类技术完成对工作模式的识别．实验结果表明,13类个体识别中,利用ResNet和BiLSTM网络协同训练的识别准确率能到82%以上;4类工作模式识别中,利用ResNet网络的识别准确率能到95%以上．     

统计模式识别研究进展

研究了统计模式识别研究的主要新进展。介绍了统计模式识别的原理和方法。从类条件概率分布的估计、线性判别法、贝叶斯分类器、误差界以及新的模式识别模型等方面概述了近几年有关统计模式识别方面的研究进展。最后进行了评述。     

一种新的模式识别特征评选与简化方法

基于粗集理论，从模式识别表达知识系统的方法出发，讨论了对于系统根据特征描述瓣分类的上近似、下近似概念，提出用去掉某些特征后对系统模式识别的影响来衡量该特征的分类能力，以模式识别效果为依据来评选有用特征，从而实现特征集的简化和珠一种新方法，这种方法对于对降低知识表达的空间维数，简化信息处理也十分有用。     

模式识别在钢铁工业生产中的应用

本文介绍统计模式识别技术的系统结构及优化原理，并结合钢铁生产中的一个实例，较详细地论述了模式识别对其优化的全过程。     

用于图像与模式识别的小波神经网络模型

研究了一种用于图像与模式识别的小波神经网络模型，给出了相应的算法和计算公式，并进行了仿真模拟，该模型克服了传统BP网络隐层单元数目难以确定，收敛速率较慢以及易于收敛到局部极小点等缺点，仿真结果表明网络性能和收敛速度均明显优于传统BP网络，具有良好的应用前景。     

织物的模式识别方法浅探

本文以不同织物具有不同风格特征为依据，以普通逻辑学中概念的内涵与外延之间的反变关系为原理，借助现代集合论中的映射理论，构建了织物识别的数学模型，以便于进一步实现织物识别的智能化。     

脑电信号的频谱分析与模式识别

本文应用谱估计理论和 Fuzzy 模式识别理论建立了 EEG(脑电图)信号的Fuzzy 模式识别系统,借助计算机对 EEG 信号进行了自动分析诊断。该系统主要完成了以下工作:1)采集模拟信号并转换成数字信号;2)采用分段平均法及加窗处理,计算功率谱;3)利用上述结果确定特怔参量并建立了 Fuzzy 子集的隶属函数;4)采用最大隶属原则对 EEG 信号进行识别。该方法把随机性与模糊性联系起来,使得 Fuzzy数学理论在生物医学信号处理方面得到了进一步的应用。并经临床验证取得了较好的效果。     

运动车辆的模式识别

提出了车辆轮廓识别的决策函数,基于车辆的边长之比以及各边之间所成角度的特征描述,给出了运动的边缘抽取方法,并对其进行分析和归纳,以达到识别之目的;最后,给出了识别过程实现的程序框图。     

基于神经网络的岩体质量模式识别

岩体质量评价问题可以认为是一个模式识别或分类问题。人工神经网烙具有表达任意非线性映射的特性，从而在分类、学习和容错方面表现了较好的能力。本文结合岩体质量的模式识别，阐述了半线性前馈神经网络的基本原理和应用，并给出了其部分试验结果。     

CP神经网络在机械故障模式识别中的应用

机械设备状态监测与故障诊断技术是保证机械设备安全稳定运行的一项重要措施。由于机械设备结构越来越大型化和复杂化 ,依靠人自身的经验和能力难以判断其征兆与故障之间的关系。随着计算机技术在各个领域的应用 ,智能型的自动监测与诊断技术在机械设备中得到了广泛应用。根据几种典型神经网络特点 ,选择了CP神经网络作为机械故障模式识别器。以大型机组典型故障的频率域特征参数作为网络的训练样本 ,对CP网络进行了训练 ,再将实际的一组频率域特征参数输入到模式识别器中 ,对故障类型进行识别。结果表明 ,以CP神经网络构筑的故障模式识别器有很强的非线性映射能力 ,可对机械设备故障模式进行正确分类。     

一种改进BP神经网络在模式识别中的应用

为了提高神经网络识别的速度及实用性,在传统BP神经网络的基础上,提出了一种动态调整网络结构的改进网络模型,给出了该模型在应用中的算法,并做了特征提取．仿真结果表明,与传统的BP神经网络比较,改进网络的初始权值的选取相对容易,有效降低了陷入局部极小的可能,提高了网络收敛和识别的速度．     

基于仿生模式识别的眉毛识别方法

在人类的眉毛已经作为一种独立的生物特征进行身份识别和前人所做的研究的基础上,本文提出了一种基于仿生模式识别的眉毛识别方法.通过实验结果表明,在一个有120人的眉毛信息库上,该方法具有较高的识别率,最高识别率可达91.67%.     

一种广义的K-L变换与人脸识别

提出了一种直接基于图像矩阵的包含在类平均图像中判别信息的最优压缩方法。在ORL标准人脸库上的试验结果表明，提出的方法不仅识别性能优于传统的主分量分析和Fishr线性鉴别分析，而且特征抽取的速度得到了很大的提高。     

基于局部特征的图像模式识别算法研究

本文对基于局部特征的图像模式识别的SIFT/SURF算法进行了详细描述及分析,对比两种算法的不同特点,即运算速度、收敛性、抗噪性等,并对两种算法进行了实验.实验结果对于算法改进具有显著的借鉴意义.