基于人工神经网络的手写体数字识别方法

数字识别是人工神经网络中的一项基本又重要的应用研究领域。为此提出了一种用简单BP神经网络识别手写体数字的方法。利用BP神经网络的良好监督学习功能,并结合提取的降维数字字符图像的灰度特征进行网络训练,提出了一种基于统计特征分类的手写体数字识别方法。实验结果表明,该方法简单且有较好的识别效果。     

车牌定位与字符分割方法研究

介绍了一种改进的基于纹理特征的车牌定位方法,采用自适应阈值,实现了车牌的准确定位。设定自适应改变大小的投影切割阈值实现了字符分割。最后采用BP神经网络法来识别各个字符。实验结果表明,该方法能够较为准确的实现车牌识别,具有定位准、鲁棒性好等特点。     

雷达数字信息识别系统的理论研究

对雷达数字信息进行识别,识别率高达98.7%.对于摄取的图像通过选取阈值进行二值化,在第一次分割中从背景中提取数字图像信息,第二次分割采用统计投影直方图方法,把单个数字字符图像分割开,将图像大小规范化,提取轮廓,采用方向线素特征提取,通过欧式距离分类器方法进行识别.引入信度函数,对识别结果进行分析,提高了字符识别率.     

基于神经网络的电表数字识别技术研究

提出了基于BP神经网络的机械式电表数字自动识别方法,首先通过预处理自动定位电表图像中的数字区域并实现单个数字的切分,然后对每个数字图像提取一组具有较高区分度且计算简单的典型网格特征,最后设计BP神经网络作为数字分类器,实现电度表显示值快速自动识别,该研究获得了电表数字正确识别率98.5%的结果,表明该系统具有较强的鲁棒性。     

用小波和神经网络相结合的方法识别人体表面肌电信号

以MALTAB语言作为系统设计工具，将小波分析与神经网络相结合分析人体表面肌电信号。对SEMG信号的识别分为3个步骤：数据预处理，特征的提取，设计分类器分类。首先利用小波分析进行消噪，提取特征；然后采用BP神经网路进行分类、识别；最后通过对分类结果的分析与比较，证明小波与神经网络相结合是一种有效的表面肌电信号的模式识别方法。     

基于自适应遗传BP算法神经网络数据融合的空中目标识别

空中目标识别是现代防空作战的重要研究内容。本文利用不同类型目标产生的多类型传感器的数据信息对目标进行识别。为了训练神经网络目标识别分类器,将遗传算法和BP算法相结合,提出了一种新的自适应遗传BP算法,利用这种神经网络来确定指标的权值。仿真试验结果表明,基于自适应遗传BP算法神经网络的识别是一种简单、可靠的目标识别方法,具有很好的目标识别效果。     

某航空设备模拟电路故障状态分类器设计及仿真

采用传统故障诊断方法对复杂模拟电路进行故障诊断,存在诊断速度慢、故障点难以准确定位等缺点,为此提出基于神经网络理论的故障状态分类器设计方法,以某型飞机自动驾驶仪854C放大器为例,对故障状态分类器进行了分析设计和仿真研究.仿真结果显示:所设计的基于神经网络理论的故障状态分类器实现了对此类航空设备模拟电路故障的快速、准确和有效的识别与定位.     

基于笔画的汽车车牌自动识别系统的开发

车牌自动识别系统能从一幅图像中自动提取车牌图像,并对字符进行分割,从而达到对字符有效识别。该技术可以从采集汽车图像中确定车牌的准确位置,能及时准确地自动识别出车牌上的数字、字母和汉字字符,并且可以通过计算机进行数据后期处理并直接输出识别结果,为实现现代交通的智能化管理提供帮助。     

概率神经网络在识别带有噪声字母中的应用

字符识别是模式识别中的一个应用,通过训练网络可以教会计算机如何识别字符,这在票据处理方面可以大大地提高效率。该文中所建立的神经网络为具有局部响应的高斯函数的三层概率神经网络,它以牢固的插值理论为基础,具有学习速度快,不易陷入局部极小等优点。本文介绍了概率神经网络的学习算法和一个三层概率神经网络对带有噪声的26个英文大写字母的识别。其中利用MATLAB编写仿真程序对概率神经网络进行训练,仿真结果表明,训练的概率神经网络可以对给定的带有噪声的字母作出正确的识别。     

基于DSP的三自由度肌电假手实时控制方法

 利用安置在拇长屈肌,指深屈肌和指伸肌上的3个电极所测得的肌电信号,采用所提出的新的模式分类器,可以实现基于DSP的三自由度假手手指运动的实时控制。该分类器采用自回归(AR)参数模型和样本熵的方法构造特征矢量,经过由弹性反向传播(RP)算法构建的3层前馈神经网络的分类,能够成功地分辨出拇指、食指和中指的弯曲与伸展运动,平均识别率可以达到91%以上。实验结果表明,该分类器具有很高的辨识能力,同时由于其较小的计算量,也为嵌入式的多自由度肌电假手控制提供了一种新的控制方法。     

模糊数学在飞行试验数据处理中的应用

介绍了模糊数学在数据处理中的两类典型应用，以模糊集合思想为基础，利用布尔代数特有的性质，经广义相似计算，建立了发动机飞行任务剖面样本的隶属函数模糊矩阵；并用平方法检验该矩阵是否满足模糊等价条件，在满足时选取不同阈值进行动态聚类，在此基础上确定发动机典型任务剖面，通过对飞行试验数据预处理以及外场调查，共取得１１８个架次过载系数最大值样本，最得各种模式概率密度函数和分布函数，并应用模糊数学模式识别方法     

具有几何和光照不变性的不变矩构建研究

为了解决现有的光照变化条件下仿射不变矩识别不稳健的问题,提出了一种归一化光照仿射不变矩,即采用一种光照模型,基于Jan Flusser仿射不变矩,推导出一种归一化光照仿射不变矩,并且从理论上证明了该方法在各种仿射变换下的稳健性,然后通过对比实验验证了该方法在光照强度、方向和颜色改变下的不变性.实验结果表明,与当前主流的光照不变矩方法相比,该方法不仅适合灰度图像也适合彩色图像,在光照方向改变下,图像的倾斜运动中识别度提高了35％;在线性光照强度改变下,图像的倾斜运动中识别度提高了85％;在光照颜色改变下,图像的平移和旋转运动中识别度提高了7.8％;以多种卫星模型图像为实验对象,在光照改变下,彩色图像和灰度图像的识别度平均提高了36％以上,且计算简单,更适合于航天器目标的识别.     

控制图异常模式的识别技术研究

质量控制图中所呈现出的异常状态可揭示出加工过程潜在的质量问题。本文提出了一种基于SLFM网络的控制图模式识别模型 ,该模型不仅能够识别控制图的 6种基本模式 ,对混合型的异常模式也能够有效识别。数字仿真表明 ,该模型训练速度快 ,识别精度高 ,并且具有很强的可塑性 ,适用于质量控制图的在线实时模式识别     

基于光照模糊相似融合不变矩的航天器目标识别

针对航天器目标识别中现有的光照变化和图像模糊条件下几何仿射不变矩识别不稳健问题,根据灰度光照模型,结合图像模糊和不变矩的基本理论,提出了一种光照模糊不变量,与几何仿射不变矩进行融合,构建出一种新的光照模糊相似融合（CIBA）不变矩,并从理论上证明了光照、模糊和相似变换（平移、缩放和旋转）不变性。对3种不同的航天器目标的识别实验表明,光照模糊相似融合不变矩在最小距离分类器中的识别准确率达到了86.37%,比几何仿射不变矩提高了94.00%,比具有光照不变性的几何仿射不变矩提高了24.54%,有效地解决了对不同位姿、不同光照模糊条件下的航天器目标识别问题,提高了基于矩的目标识别鲁棒性。     

机器人手术网络遥控系统中的语音识别

在广泛参考了国内外关于语音识别技术研究及其应用的优秀论文和著作后，简单介绍了语音识别技术及其算法。在熟悉了微软的语音开发工具包的基础上，汲取其中和本项目相关的部分，具体描述了完成机器人手术网络遥控系统中的语音识别部分的方法和实现的步骤。利用开发工具Microsoft VC 6．0和Microsoft Speech API 5．1，通过一个具体实例对机器人手术网络遥控系统中的语音识别部分作了较详细的论述。     

模式识别中幂变换正态性的研究

在基于模板匹配的模式识别中,当数据呈正态分布时得到的识别效果最优。幂变换是一种将非正态分布转换为正态分布的一种有效方法,文中对幂变换技术的正态性问题进行了相关的研究,并探讨了典型分布条件下的幂变换最佳取值问题,为幂变换的应用提供了一定的理论基础。     

基于模糊模式识别的电力远动通道监控系统

分析了电力远动通道监控系统的现状,为解决其不足之处提出了一种电力远动通道监控的新方案.采用了一种基于模糊模式识别的综合评判远动通道通信质量的方法来实现对远动通道的监控,并详细论述了方案中模糊模式识别模型的建立,同时给出了系统的实现方案.在实际应用中表明,该系统能够有效地解决目前监控系统存在的不足,为电力远动通道监控开辟了新途径.     

用于观测导航的新方法——地标图象的计算机识别

本文提出一种利用带有地面目标精细结构的雷达图象或用其它方法得到的地面目标的图象进行定位的方法。它避免了利用地标导航因能见度带来的限制,并可应用于远程导航。在对图象的识别上,采用了基于R变挟的R描绘子来进行分析,并考虑了用于地标识别时的特殊问题。     

基于LOFAR谱图的水下目标识别方法

基于LOFAR谱图的主成分分析法是目前用于对水下目标识别的重要方法之一,文中详细分析了该方法的基本原理和具体应用过程,并对潜艇辐射噪声的实测数据进行了仿真和分类试验,给出了仿真图和试验结果.结果表明,运用该方法对水下目标进行识别的识别率较高.     

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。