基于局部径向二值模式的三维人脸识别

针对人脸识别中局部特征的提取,提出了局部径向二值模式(LRBP,Local Radial Binary Pattern),并将其用于三维人脸识别.首先,对经过预处理的人脸深度图像进行区域划分;然后用局部径向二值模式提取子区域的特征序列,并将其链接在一起构成三维人脸的特征向量;最后,利用Fisherface方法对三维人脸特征向量进行训练和识别.在中国科学院自动化研究所三维人脸数据库中选取样本,利用LRBP对其进行识别,结果表明该方法在基本不损失识别率的前提下,可以有效提高识别的效率.      

交通流模式识别技术在流量管理中的应用

为解决实时运行中对管制扇区容量的动态评估,本文对预测扇区容量提出了一个新的方法,该方法中,交通复杂度由交通流模式决定。量化交通流特征的可预测性,并用来描述交通流模式。将扇区容量视作交通流模式的一个函数为预测扇区容量提供了一个很好的方法。对于每一种交通流模式,基于观测到的系统性能,我们得到了扇区容量,避免了直接度量管制员的工作负荷和预先定义工作负荷阈值。     

基于支持向量机和线性判别分析的维数约减方法及其应用

目前已提出的一些基于支持向量机的维数约减方法,但其投影矩阵的获得仅考虑支持向量机的类间间隔,而忽略了数据中的类内信息。本文首次提出了一种基于支持向量机和线性判别分析的维数约减方法,称之为DRSL。DRSL实现了类问和类内信息的有效组合,能有效拟合数据中类间和类内结构,使得所获投影矩阵能够提高后续分类器的推广能力。实验验证了该方法的有效性。     

模式识别与模糊三值逻辑推理探讨

本文介绍了模式识别的概念与基本方法,形象思维与模式识别的关系和模糊逻辑与模糊推理,提出模糊三值逻辑的推理方法,旨在进一步探讨模式识别的方法和模糊逻辑推理理论,并附应用实例。     

神经网络在液体火箭发动机故障检测中的应用 (Ⅱ)模式识别技术

基于模糊超球神经网络,提出了一种液体火箭发动机故障的实时检测系统。它采用模式识别技术,在建立正常工作状态的样板模式之后,把当前样本与样板模式进行比较,进而判断发动机工作状态。发动机试车数据分析表明：模糊超球神经网络对输入样本非常敏感。     

神经网络在R&D项目中止决策中的应用

在比较研究国内外R&D项目中止决策理论方法的基础上,论述了对正在进行的R&D项目进行正确的中止决策模式识别的重要意义.探讨了神经网络(NN)理论用于R&D项目中止决策的可行性,提出了适用于正在进行的R&D项目的中止决策分析的Hopfield神经网络模式识别方法,并用实例验证了方法的有效性.方法的实施较为方便、计算较为简单,结果也令人满意.表明Hopfield神经网络模式识别方法在R&D项目中止决策领域具有应用前景.     

支持向量机用于液体火箭发动机的故障诊断

支持向量机（Support Vector Machine,简称SVM）是一种基于机器学习的模式分类算法,其在解决小样本、非线性及高维模式识别等问题中都表现出许多特有的优势。用SVM对液体火箭发动机的故障数据进行检测和诊断。通过对发动机仿真模型的9种故障数据的学习,能检测出18组故障数据中的17组,但有4组出现误报,对误报故障进行二次学习和再检测,能对这4种故障正确检测。经过对C75试车4种故障数据的学习,能正确检测其故障类型,进一步验证了该方法的正确性和可行性。     

采用多层感知器的润扬桥损伤分析与定位

将针对一座大跨斜拉桥的拉索损伤采用多层感知器（MLP）进行损伤定位研究。首先在动力计算基础上定义了损伤模式,通过分析损伤模式发现：由各个损伤位置引起的损伤模式具有本质的不同特征,而损伤程度只是对损伤模式曲线的线性放大;第4,6,7阶频率对拉索损伤不敏感,因而将这3阶从损伤模式中剔除。然后采用trail-error方法设计了一个MLP网络来描述损伤模式的7维映射空间。辨识结果证明：设计合理的MLP可以有效地描述结构的损伤模式,并能正确地进行损伤定位。     

多层自适应模式识别系统模型

在英国WISARD单层模式识别系统的基础上,借助P.Kanerva的稀疏分布存贮(SDM)的概念,提出了~种新的多层自适应模式识别系统模型(MAPR)。并就其工作过程和主要特点作了较详细的叙述,还列出了多体印刷体汉字识别的初步试验结果。MAPR用稀疏RAN阵列代替WISARD的常规RAM阵列,用对n元模式计频的训练策略代替了原系统的直接置位策略。使系统除了保持原系统的重要优点外,在大维数或非确定性模式数据识别方面,其性能有了明显改善。     

从ACCV＇95看计算机视觉技术的发展

介绍了第二届亚洲计算机视觉会议（ＳＥＣＯＮＤＡＳＩＡＮＣＯＮＦＥＲＥＮＣＥＯＮＣＯＭＰＵＴＥＲＶＩＳＩＯＮ,ＡＣＣＶ’９５）的一些情况;回顾了在该领域及相关学科的研究成果;讨论了当前计算机视觉所面临的理论与实际应用问题,并对中国空间技术研究院这一学科的发展提出看法。