触摸屏在S3C44b0上的应用

本文以S3C44b0为平台给出了触摸屏的概念、工作原理、接口电路和软件程序;改进了软件滤波的实现方法,该算法使用C语言,可移植到任何操作系统的触摸屏驱动程序中.     

计算智能融合应用研究

本文对神经网络（NN），进化算法（EA0，不确定理论（Uncertain Theory）混沌系统（Chaos System）、免疫算法（IA,Immune Algorithm）、DNA计算（DNA Coputing）等广义计算智能相互融合应用进行了总结和分析，重点介绍免疫算法、DNA计算等新型计算智能理论的相互融合应用，最后对计算智能理论的融合应用趋势进行探讨。     

人工神经元网络在控制中应用的现状与展望

本文简要评介了人工神经元网络在控制领域中应用的现状，并探讨了神经控制的可能结构和分类。最后，对其发展前景作了展望。     

新的可拓模式分类器研究

为了解决传统可拓模式分类器只适合用于模式类别较少和一维数据等缺点,针对可拓学中可拓距和关联函数的特点,提出了采用可拓距和关联函数新的可拓模式分类器,包括平均关联函数法、K最大关联函数法和最大关联函数法.详细介绍三种可拓模式分类器的设计步骤;并针对平均样本法、平均距离法、K近邻法、最近邻法和三种可拓模式分类器,采用二维平面数据、多维向量数据和手指静脉图像特征矩阵数据进行实验对比分析.实验结果表明:新的基于可拓距与关联函数的可拓模式分类器算法不仅可以解决模式类别较多的多维数据问题,分类效果也可以达到经典的K近邻分类器或最近邻分类器的分类水平.     

基于方向滤波的指纹图像增强算法研究

指纹识别一般包括指纹采集、图像预处理、特征提取及特征匹配等步骤。其中图像预处理中的指纹图像增强是最关键的步骤,直接影响特征提取和匹配。为了消除噪声以提高指纹图象的质量,本文给出了一种基于方向滤波的指纹图像增强算法,根据方向图构建方向滤波模板对指纹图像进行滤波,并对滤波后的图像进行去噪处理。实验结果表明了本文采用的方法有更好的效果。     

永磁同步电机的模糊混沌神经网络建模

采用模糊混沌神经网络建立了具有混沌特性的永磁同步电机(PMSM)模型。永磁同步电机在一定工作情况下呈现混沌运动，根据PMSM的数学模型得出其混沌特性曲线。将混沌神经网络与模糊理论相结合设计出协作型模糊混沌神经网络，并据此网络建立了永磁同步电机的模糊混沌神经网络结构模型，该模型在结构上为神经网络，具有混沌特性，在功能上是模糊系统；确定了模型的输出函数，并推导了模型的学习算法，仿真结果表明永磁同步电机的模糊混沌神经网络模型与原系统是等价的。     

基于步态能量图像和2维主成分分析的步态识别方法

为了快速有效地进行步态识别,针对步态能量图像能够表征步态信息和2维主成分分析能快速降维的特点,提出了一种基于步态能量图像和2维主成分分析的步态识别方法.该方法首先应用背景减除法分割出人体轮廓;然后通过人体宽高比的相关信号确定运动周期,再对二值周期序列进行步态能量图像(GEI)合成;最后运用行列相结合的2维主成分分析((2D)~2PCA)方法与加权的2维主成分分析(W(2D)~2PCA)方法提取特征主向量,并采用最近邻分类器进行分类.实验结果表明,该步态识别方法可以有效降低前期处理对分类识别的影响,而且对于3种不同行走状态的CASIA数据库巾多个视角下拍摄的步态图像可取得很好的识别效果.     

印刷体中文文档中数学公式字符的定位

数学公式字符的定位对整个印刷体中文文档识别系统而言是提高其识别率的重要内容之一。在介绍典型的数学公式字符定位技术的基础上,提出了一种新的两级公式字符定位方法。该方法是采用了印刷体中文文档中不同字符之间的投影分布特征的不同与汉字识别拒识公式字符的思想结合起来对公式字符进行定位。从实验结果可以看出该定位方法能够在公式字符定位的准确率和时间上有了较大的改进,为提高印刷体中文文档识别系统的识别率奠定了基础。     

基于加权均值人脸的多姿态人脸识别

针对姿态变化人脸问题,本文提出一种加权均值人脸的概念。根据人脸姿态变化时左右摇摆角度的变化,首先定义了构建均值人脸时每幅姿态变化人脸权值的计算方法,并提出加权均值人脸的构建方法。然后,结合姿态人脸的俯仰角度变化,将姿态变化人脸划分为俯视、平视和仰视三个层次,针对每个层次构建加权均值人脸,形成加权均值人脸矩阵。最后,针对加权均值人脸矩阵存在数据冗余的问题,采用改进的局部保持投影算法进行深层特征提取,获取关键识别信息。实验结果表明,本文所提方法能有效提取俯仰变化和左右摇摆变化情况下人脸的关键信息,使识别效果得到较大改善。     

深度学习在无人驾驶汽车领域应用的研究进展

首先阐述了汽车界对无人驾驶的定义,然后详细分析了国内外无人驾驶汽车的发展历史以及各车企和互联网公司的研究现状。通过详细分析无人驾驶汽车工作原理、体系架构设计以及具体实现方法,简单说明了目前无人驾驶汽车遇到的关键问题和难题,同时重点描述了目前深度学习在图像处理方面的突破性进展以及在无人驾驶汽车领域的应用实践,最后对无人驾驶的未来发展做了展望。