基于多元数据图表示的可视化模式识别

现代统计模式识别以数据满足一定的统计分布规律(一般为正态分布)为前提。然而现实问题研究中存在大量不满足任何已知统计模型的情况,同时也有很多小样本情况,以上显然不适合统计方法。本文提出对非高斯信息进行基于多元数据多元图表示原理的可视化模式识别方法,并通过算法实现多元数据多元图分析过程的客观化和自动化,最后基于UCI数据对该方法进行了数据实验。     

基于多元图结构子模式表示的模式识别方法*

针对统计模式识别和结构模式识别方法各自的局限性,提出一种基于多维数据多元图结构子模式表示（包括图形基元和特征基元表示）的模式识别方法,它体现了模式识别问题研究的一种新思维,具有鲜明的可视化特点。应用多维数据多元图表示原理实现无结构数据的结构化表示,提取出表征多元图图形的图形基元和特征基元,将对象表达为多元图结构特征子模式进行分类识别。利用UCI机器学习数据库中的Iris数据进行了分类实验,实验对比结果显示该方法具有较好的识别效果。     

基于多元数据图表示的类别可分性研究

基于多元数据图表示提出以点到各分类超平面的距离来表示原来的样本点,用该方法计算的可分性判据,更能客观真实的表达样本的实际分类性能,可普遍应用于模式识别/分类的特征选择和特征提取等研究领域。数据仿真实验取得较好的分类效果。     

基于统计模式识别的人脸检测方法综述

随着计算机科学的发展和社会的进步,人脸检测的研究和应用越来越得到广泛的关注。但是设计快速有效的人脸检测方法仍然是一个难度很大的问题。该文基于统计的模式识别分析了当前人脸检测的主要问题和方法,同时也给出了模式识别的概念、原理、方法。     

控制图失控模式识别的研究

控制图是实施统计过程控制的最有效工具。文章在控制图简单失控模式基础上研究了两种简单失控模式相结合的情况,并给出其数学模型。该模型对分析工序失控原因起到重要作用。     

机器智能与模式识别研究中的统计学习方法

简要介绍了学习算法的发展状况;讨论了机器智能与模式识别研究中的统计学习方法和图模型的一般理论;重点叙述了图模型的统计推断过程和学习算法以及应用统计学习方法解决问题的一般步骤;最后给出了用于时间序列分析的动态贝叶斯网络的实例.     

基于多元统计模型的分形小波自适应图像去噪

为了克服分形小波去噪方法缺乏保护图像的边缘与细节的缺陷,文中提出了一种基于多元统计模型的分形小波自适应图像去噪算法.通过建立一个参数可以灵活改善的多元统计模型来准确地估计各种相关信息,并通过最小化残差来自适应调整模型参数;在适度的噪声方差下根据拼贴距离找出最好的子树域中的近优父子树,通过使用四叉树分割来实现对噪声图像自适应地预测分形小波无噪图像编码,从而达到去除噪声和保护图像的边缘与细节的目的.实验结果表明,该方法在去除噪声的同时,能有效地保持图像的边缘特征和保留图像的精细结构.由于采用了预测小波分形编码,优化了算法结构,算法的处理速度比较快.因此,完全可以达到实时图像处理过程中的去噪预处理对处理速度的要求.     

一种基于马氏距离建立简化多元统计模型的方法

提出一种基于样本之间最小马氏距离的样本平均方法 ,从总体正常历史采样数据样本集合中 ,构造新的数据样本集 ,建立简化多元统计模型 .然后通过判断两数据集的质心偏移和协方差的差异程度来检验新的数据样本集对总体样本集的可代表性 ,从而达到用较少的有效样本代表总体样本统计特征的目的 .仿真结果表明用本文提出的简化多元统计模型进行故障诊断的效果与传统模型相同 ,而降低了对系统存储量和计算量的要求     

基于广义贝叶斯网的图像模式识别框架研究

为增强机器自适应筛选能力和减少人工干预并最终实现机器自动认知的目标,通过对贝叶斯网的改进,提出了广义贝叶斯网.在其基础上结合图像模式识别理论,定义了图像知识的集合运算、新知识加入等运算以及基于广义贝叶斯网的图像模式识别框架的知识映射变换、表达、存储的统一的抽象结构.在理论上找到了一种图像模式识别框架中知识表达的统一方法,而且对提高图像模式识别过程的机器参与度具有实际的指导意义.     

基于统计模式识别的岩石节理图像分割方法

岩石节理裂隙形状复杂,图像中含有很多噪声。而使用统计模式识别方法在分割图像时,可以首先使分类器学习图像中不同样本的特征,进而利用这些特征对图像中每个像素进行分类,实现分割。在设计统计模式识别的分类器时,我们提出使用基于核函数Fisher判别法构造分类器。使用该方法可以将图像高维的属性空间上的非线形判别转化为图像特征空间上的线形判别,而不需要知道从属性空间到特征空间的具体映射形式。通过对岩石节理裂隙图像分割实验表明,该方法能达到较其他方法更好的分割效果。     

基于统计模式的人脸识别方法

人脸识别的研究具有广泛的应用价值。论文对基于统计模式的人脸识别方法进行了深入的研究,提出了使用D-LDA与KDDA算法对特征进行提取。D-LDA算法克服了传统方法计算复杂的缺点;KDDA算法利用了基于核的分析方法,避免了利用线性方法处理问题产生的缺陷。文中重点研究了RBF网络分类器,对于参数的选择以及网络的学习过程采用了改进的算法,克服了常用方法中存在的问题。实验表明采用改进后的算法,识别率得到了提高。     

Statistical Pattern Recognition

Pattern Analysis and Applications -     

基于模式识别技术的股票市场技术分析研究

研究从统计模式识别的角度出发,智能的利用技术指标作股市技术分析。利用处理后的一些技术指标形成特征空间,在特征空间上用聚类技术寻找股市规律。所用聚类算法是根据股市特点设计的一种较适宜的模糊主轴核聚类算法。通过大盘和个股实例分析,该方法能降低传统技术分析的难度和潜在主观性,并能较充分利用历史数据包含的信息,对市场趋势作出客观分析。     

基于模式识别的多类隐写分析

文章在小波频域高阶统计矩图象隐写分析基础上,将隐写分析问题扩充为多类问题,针对CorelDraw图象库5种常用的隐写方法进行了实验,结果表明该文方法不仅能检测出图象是否隐含数据,还能指出所用的隐写方法,识别率在90%以上。还提出了多类“类内类间分布图”,对于高维可分性好低维可分性差的图示问题,指导特征以及分类器的选择,具有很高的价值。     

基于BP网络的字符模式识别

神经网络理论已经成为解决某些问题的重要手段的方法.但利用神经网络进行解决问题和设计的时候,必定会涉及到大量的有关数值计算等问题,所以利用计算机对神经网络模型进行仿真和辅助设计时,仍是件很麻烦的事情.所以MATLAB的便利受到了青睐,BP网络在人工神经网络中应用最为广泛,而且在理论上十分完善,网络结构也比较直观.在BP网络中,模式识别是应用比较广泛的一个方面.该系统使用MATLAB中神经网络工具箱对英文表中的26个字母进行识别.通过建立网络,训练网络,测试网络,最后进行仿真,完成了正确识别26个英文字母的功能.该系统的操作界面简洁、友好、使用简单方便.     

基于广义判别分析方法的人脸识别

提出基于广义判别分析的人脸识别方法,通过非线性核函数把样本映射到高维线性空间,然后在高维空间运用线性判决算法,从而获得输入空间非线性判决特征,可以很好地适应人脸图像中的光照、表情以及姿态等复杂的变化。实验证明该方法用较少的特征向量能获得比特征脸算法、Fisherfaces算法更高的分类准确率。     

基于模糊模式识别的车牌识别算法设计

介绍一种基于明暗度二值化的车牌模糊识别的算法.这种算法在车牌识别的使用可以有效避免因光照、车辆运动速度及车牌清晰度、光洁度而带来的误识别.介绍了这种算法的构建、实验平台、实验环境、实验处理结果,并对结果进行了讨论.     

基于概率神经网络的控制图模式识别

近年来,人工神经网络被广泛应用于复杂过程质量异常的监控中.文献表明人工神经网络方法存在结构选择困难的问题,其解决主要通过研究人员的经验,耗时多且识别率低.本文提出使用概率神经网络来识别六类典型控制图模式,以改进神经网络识别器的设计效率.研究和仿真试验结果表明,概率神经网络不仅拓扑结构设计简单,而且识别率高.