基于隐条件随机场的声调建模及区分性模型权重训练

为提高声调识别率,利用隐条件随机场对汉语声调进行建模,通过加入音节内动态特征、音节间动态特征以及段长特征来进一步提高声词识别性能。提出了将声调模型加入大词汇量连续语音识别系统的区分性方法,根据最小音子错误准则区分性训练模型相关的概率权重,对声学模型及声调模型概率进行加权;给出了两种权重组合策略并通过一种平滑方法来克服权重训练过拟合的问题。实验结果表明,基于隐条件随机场声调模型能够显著提高声词识别率以及大词汇量语音识别的识别率,同时与全局模型权重方法比较,区分性的模型权重训练能够在声调模型加入连续语音识别系统之后,进一步提高系统的识别性能。     

汽车牌照自动识别技术研究

提出了一种汽车牌照的自动识别算法：先对图象进行直方图均衡，平滑去噪，二值化预处理，再根据车牌上文字变化特点快速，准确地从复杂背景中分割车牌最后采用投影－变换系数法取汉字，英文和阿拉伯数字的不同维数的特征，送到相应的ＢＰ神经网络中进行识别，较好地解决了汽车牌照的自动畜产     

LPC倒谱参数的说话人特征分析

通过对多个说话人与文本无关的发音材料进行统计分析，比较了ＬＰＣ倒谱的不同分量对说话人特征区分所作的贡献，研究了ＬＰＣ倒谱所体现的说话人共性及个性特性，同时使用了Ｆｉｓｈｅｒ判据，最近邻错误率，超球错误率、类内，类间平均距离等量度方法，从不同角度探讨了ＬＰＣ倒谱参数的说话人统计特征，并考查了它在正交变换，最大可分变换下的变化及以不同距离作为测量手段所产生的不同效果，这些工作是对ＬＰＣ倒谱参数用于说话     

基于 PIV 速度场测量重构压强场的研究进展

利用 PIV 测量得到的速度场数据重构空间压强场是一种新颖的压强测量方法。目前国外的一些仿真计算和风洞实验已经证明了该方法的可行性和有效性。本文首先详细介绍了基于 PIV 速度场测量重构压强场的基本原理---两种压强梯度计算方法(拉格朗日方法和欧拉方法)和两种压强积分方法(平面 Poisson 法和直接空间积分法),然后从速度场测量、压强梯度计算和压强分布计算3个方面综述了基于 PIV 速度场测量重构空间压强场的关键技术及相关的研究进展,最后从 PIV 速度测量的改进、参数的优化设置、算法的改进与创新、探索并完善3D压强分布计算、可压缩流动条件下的压强重构技术等5个方面探讨了该方法的发展方向,以期引起国内同行对该技术的高度重视并为其进一步发展提供一定的参考。     

空间距离变换的彩色图像目标识别方法

研究了彩色图像的分割算法,提出了运用彩色图像的颜色特征相似性进行图像的分割;然后将分割的目标进行检测,运用无监督网络,即竞争网络学习训练聚类,将图像中不同的目标提取出来。在识别方面,研究了一种运用空间距离变换方法来识别的算法,计算出区域半径测试样本点在区域内还是区域外,以达到识别的目的。实验结果表明,本文提出的分割算法和识别算法可以很好地运用到实际中,识别率可达90%以上。     

N元自适应模式识别系统开发工具

N元模式识别方法是一种易于硬件并行实现的自适应模式识别方法。单层自适应模式识别系统(WISARD)、加权WISARD、双层自适应模式识别系统模型都是以这一方法为基础的。本文论述的N元自适应模式识别系统开发工具——NIRSS就是为这些模型体系结构的仿真及应用研究而开发的。它可以仿真现有的4种模型,共有7种工作方式,23个功能模型,97条人机交互命令。有关上述模式识别系统结构的研究以及多印刷体汉字、手写体汉字的识别、自适应图像处理的应用研究都是在该软件包上进行的。实际应用表明,这是一种使用方便、功能丰富的有效开发工具。     

基于阴影信息的多视角SAR图像识别

传统的SAR图像识别技术主要基于目标的电磁散射特性,而目标阴影信息对SAR图像目标识别具有重要的作用。若能获取同一目标在多个方位角下的多幅SAR图像,可改善目标识别的性能。针对该问题,本文提出了一种基于隐马尔可夫模型及阴影信息的多视角SAR图像识别技术。该技术提取目标阴影形状的链编码作为特征向量,并结合同一目标在不同方位角下的多幅图像的特征向量,生成该目标的特征序列,然后利用HMM对特征序列进行识别。仿真结果表明,该方法可有效实现SAR图像目标识别。     

逻辑神经网络非线性可分性的实现

1985年，Aleksander领导的小组所实现的逻辑神经网络（LNN）成功地应用于脸谱实时识别。由于LNN无需学习算法，硬件可实现实时识别能力，在英国颇受工业界重视。然而，LNN存在一个缺陷就是在大模式划分成小的子模式后会造成LNN非线性能力下降甚至消失。针对上述问题，提出了一种在LNN中实现非线性可分性的方法。     

PCB缺陷识别算法的研究

AOI（Automatic Optic Inspection）是基于光学原理来对印刷电路板（PCB）焊接生产中常见的缺陷进行检测的一种新型测试技术。对于PCB图像的定位问题,使用一种改进的Hough变换检测圆形,通过刚体变换模型实现图像定位;在瑕疵识别中,根据树分类法和序贯检测的思想设计一种PCB缺陷模式识别方案。     

面向快速响应产品的星上目标定位及识别方法

针对遥感卫星星上目标的定位及识别，本文面向快速响应应用需求，首先对星上目标定位及识别工作模式进行研究，总结出狭义和广义两种模式，其次重点对像方-物方坐标双向定位算法进行梳理，并针对典型地物目标星上自动识别算法提出研究思路，最后给出算法的应用方法流程。本文研究为快速响应产品星上智能处理提供方法参考。     

基于"SOM脸"的选择性单训练样本人脸识别

基于“SOM脸”计算模型提出一种新的人脸局部区域重要程度度量方法,并用于进行选择性单训练样本人脸识别。从机器人脸识别的角度,并未预先人为设定任何重要区域,而是通过学习来自动发现这些对机器而言相对重要的人脸区域,即包含类信息相对丰富的区域,并将其进行可视化。实验结果表明,在利用了人脸局部区域重要程度信息后,识别算法的性能和效率均得到提高;特别是仅选择人脸图像中若干部分重要的区域用于识别时．在提高识别效率的同时．识别性能来见明显下降。     

双层通用自适应模式识别系统

单层n元自适应模式识别系统(WISARD)由于其大规模并行分布处理能力、通用性和自适应性而显示了巨大的应用潜力。但由于其结构的原因,系统性能受到了一定的限制。Kanerva提出的稀疏存贮器结构和WISARD的RAM阵列结构有相似之处。而且这种稀疏分布存贮的原理,可以从结构上解决WISARD的固有缺陷。根据SDM的概念,在WISARD的基础上,本文提出了一种新颖的双层自适应模式识别系统模型。它除了保持WISARD的原有特点之外,在解决大维数或非确定性模式数据的识别问题以及控制系统成本方面有着明显的优势。在该系统上进行的多体印刷汉字识别试验,初步优化了系统各参数的关系,验证了模型的可行性。     

局部Bagging方法及其在人脸识别中的应用

Bagging方法无法在稳定的分类器(如最近邻分类器)上构建多样的分量分类器,因此它不适合于稳定的分类器.同时,小样本特性Bagging也很难应用于人脸识别等任务中.本文提出了一种局部Bagging(L-Bagging)方法以同时解决上述两个问题.L-Bagging和Bagging的主要区别是L-Bagging在每个事先划分好的局部区域内进行自助集的采样而不是如Bagging那样在原始的样本集上采样.由于局部区域的维数通常远远小于训练样本数,并且分量分类器又是构建在不同的局部区域上的, 因此 L-Bagging方法不仅有效地解决了小样本问题,而且产生了更多样的分量分类器.在4个标准的人脸数据库(AR,Yale,ORL和Yale B)上的实验结果表明所提出的L-Bagging方法是有效的,并且对光照、遮挡及轻微的姿态变化是鲁棒的.     

薄层液膜厚度的点测量和空间测量方法综述

液膜现象广泛存在于自然界和工业过程中，特别是在发动机中，燃油雾化通常会形成亚毫米量级乃至微米量级的薄层液膜，其厚度的高精度测量对发动机的设计和改进具有重要意义。介绍了薄层液膜厚度测量中常用的点测量方法和空间测量方法。点测量方法包括电测法和全内反射法，用于单点液膜厚度的测量，具有成本低、操作简单的优点，但不具有空间分辨能力。空间测量方法包括电测法、荧光强度法和平面激光诱导荧光法，可同时测量多个位置乃至连续区间内的液膜厚度，获取液膜分布和运动发展信息。其中电测法操作方便、稳定性高，但是会对液膜产生扰动；而光测法为非侵入方法，适用于高速运动液膜的厚度测量。     

基于树形小波变换的断口图像识别

断口图像的识别是进行失效分析的一个重要组成部分,本文提出一种基于小波的断口识别方法,该方法采用树形小波对金属断口图像进行二级小波变换,剔除近似分量,对其余的各个频带输出的标准差作为断口识别的特征,并采用最小距离分类法进行分类,实验证明,此方法对细节丰富的断口的识别率很高。     

裁剪NURBS曲面的改进Delaunay三角化

提出了一种改进的裁剪曲面 Delaunay三角化的方法。将仅适用于凸多边形域的 Delaunay三角化方法扩展到可应用于任意形状并可带有任意孔洞的形式 ,并给出了算法所用数据结构和详细的步骤 ,讨论了单连通域的构建方式。最后给出了应用该方法实现的一些例子     

神经网络在涡流无损检测中的应用

近年来，人工神经网络由于能不断有力替代常规的模式识别技术，已引起人们很大关注。本文提出用神经网络技术判读无损检测中涡流探头的检测信号，并提供用多层神经网络ＢＰ算法得到的信号初步分类结果。     

基于小波变换和ICA的卫星测控信号盲识别算法

针对信息对抗中对非合作卫星测控信号识别的问题,提出一种小波变换和独立分量分析相结合的卫星测控信号盲识别算法.首先,基于小波变换去除噪声原理,对混合信号进行去噪处理;然后,采用独立分量分析的方法对去噪后的混合信号进行分离;最后进一步对分离后的测控信号作矢量归一和再去噪处理,得到卫星测控信号的最终估计.Matlab仿真结果表明:该识别算法可以较好地分离卫星测控信号,并且很好地保留了源信号的特征,具有良好的稳定性,收敛速度较快.     

语音模式中基于启发式搜取的快速匹配算法

语音模式匹配是语音识别技术的关键步骤之一。本文介绍了如何运用SA算法实现语音模式的快速匹配的思想。SA算法与传统的动态时间弯变(DTW)算法相比较具有计算量大大减少而系统识别率几乎不降的特点。     

基于无人机的复杂地貌上空风场实测研究

本文研究了利用多旋翼无人机搭载风速风向测量设备对不同地貌上空平面风场实测分析的方法。以北京市延庆区某试验基地内的测风塔为参考,首先对无人机测风准确性进行研究,其次取相同时间段内测风塔与不同测点位置无人机的实测风速风向数据进行正交分解处理,分析得到无人机和测风塔风速、湍流度的相互比值关系,通过测风塔数据和比值关系,可以推知空中不同测点的风速和风向数据,进而获得复杂地貌影响下的上空风场状况。实测结果表明:修正后无人机平均风速、平均风向与测风塔相比误差较小,无人机测量得到湍流度较测风塔更大,通过滑动平均法可以一定程度上减小无人机测得的湍流度;空中平面风场状况受地貌影响较大,复杂地貌上空风场波动更大。通过现场实测,初步验证了应用多旋翼无人机搭载风速仪在不同地貌上空实现空中平面风场测量的可行性,可为局部区域风场测量、风电场微观选址等提供新思路和新方法。