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。     

加权自适应模式识别系统的数学描述

基于n元原理,采用加权训练思想,为克服经典自适应模式识别系统——WISARD的简单训练策略之不足而提出的加权自适应模式识别系统,具有自动消除伪特征、突出训练模式的固有特征、改进系统的分类性能筹优点。本文首次用数学手段描述了加权自适应模式识别系统,把系统的训练与分类过程抽象为对模式进行矩阵变换的过程。系统的分类行为由训练模式所建立的逻辑函数矩阵来表征。文中还对系统的性质作了初步探讨,指出只要合理地选取加权训练阀值,加权系统的分类性能不会弱于非加权系统。最后还给出了加权训练阀值的上界和下界。     

稀疏RAM式联想存储器

在RAM式联想存储器(RAM-AM)基础上,借助Kanerva的稀疏分布存储思想,提出了稀疏RAM联想存储器模型(SRAM-AM),分析了该模型的信噪比特性,通过适当地选取其中的一些关键参数,可使SRAM-AM的性能大大高于RAM-AM.最后在汉字识别应用中验证了模型的可行性,同时大大降低了硬件实现的开销.     

二值图像的自适应窗口边缘检测技术

英国Aleksander等人用RAM网络实现的自适应模式识别系统可以认为是一种逻辑神经网络,本文详细描述了利用这种模型实现的自适应窗口边缘2检测技术,包括模型的理论分析,边缘检测种种的各种实现方法和实验结果。基于这种模型的边缘检测技术的基本思想是:首先对窗口边缘检测技术,包括模型的理论分析,边缘检测的各种实现方法和实验结果。训练一个或多个对目标物体边缘敏感的模式,然后对图像逐点扫描和测试,根据窗口对特定扫描区域的响应实现对边缘的检测。其过程和模式识别中的训练—识别过程相似。文中讨论了“中心块”和“边缘训练”窗口的响应行为以及窗口大小的选择、响应阀值的确定和N元的选用等具体方法。并给出了相应的实验结果。研究表明,这种方法对边缘检测和噪音滤除都具有较好的效果,且硬件容易并行实现。     

具有复合非线性特征不确定系统的自适应反推控制

针对一类具有复合非线性特征的不确定系统,提出了一种自适应反推多滑模近似变结构控制方案.基于模型分解的方法建立了具有复合非线性特征的执行器模型.论文设计径向基函数神经网络近似系统的未建模项,借鉴Nussbaum增益设计技术解决控制增益未知的问题,使用自适应律估计不确定干扰和神经网络近似误差的上边界.自适应近似变结构控制能...     

直升机惯性传感器结构的模态优化

提出了一种基于迭代抽样和径向基插值的自适应代理模型方法。这种自适应方法以减少仿真计算数量和提高代理模型自适应能力为目的,使用多岛遗传算法选择新增样本点并使新增样本点位于设计空间的稀疏区域,使得所有的样本点均匀分布于设计空间。标准误差用来判断代理模型的精度大小以决定是否对代理模型进行更新。这种自适应代理模型结合多岛遗传算法对直升机的惯性传感器结构模态进行优化。用拉丁超立方抽样方法选择10个样本点构建初始的代理模型,自适应代理模型的计算结果表明2%的误差条件下需要额外增加7个样本点。优化结果表明不同的权重系数对最优模态特性的影响很大,惯性传感器结构的一至六阶模态值更加远离直升机的激励频率。     

基于GRNN-ELM的飞机复合材料结构损伤识别

飞机结构的损伤严重影响着飞机的飞行安全,为了解决飞机复合材料结构损伤难以有效识别问题,本文提出一种基于广义回归神经网络(General regression neural network,GRNN)与极限学习机(Extreme learning machine,ELM)组合的飞机复合材料结构损伤识别新方法。首先对飞机复合材料层合板进行冲击,而后对其进行疲劳拉伸试验,通过优化布局在复合材料层合板上的光纤光栅传感器募集应变信息,并对其进行预处理。采用变分模态分解(Variational mode decomposition,VMD)对募集的应变信息进行自适应分解,得到多个基本模式分量(Intrinsic mode function,IMF)。计算各阶IMF分量的奇异熵,通过核独立主元分析(Kernel independent component analysis,KICA)方法对奇异熵进行特征融合,构建融合特征向量。采用融合特征向量建立基于GRNN-ELM的复合材料结构损伤识别模型,通过试验对损伤识别模型的有效性进行了验证,并分别与所构建的ELM和GRNN损伤识别模型的识别结果进行比较。结果表明,该方法能有效对飞机复合材料结构损伤进行识别,具有很好的工程应用价值。     

切比雪夫多项式在动态载荷识别中的应用

依据广义正交域理论,应用一维切比雪夫广义多项式的正交性解决单自由度系统动态载荷时域识别问题,获得了基本计算模型。通过假定数据条件下定频模拟激励动态载荷,根据满足普遍意义的单自由度系统动力学方程计算出系统的加速度响应,结合应用广义正交多项式进行载荷识别的基本计算模型进行动态载荷仿真识别,并将仿真识别结果和激励动态载荷进行比对,对比识别结果,确定一维切比雪夫广义加权正交多项式应用于时域动态载荷识别在理论上具有可行性。在理想条件下,飞行器单处测点满足单自由度系统,应用试验记录的其加速度响应,通过载荷识别计算模型对其动态载荷进行了识别,给出了时域内的载荷识别结果,由于对计算模型及识别对象做了简化处理,在一定程度上降低了动态载荷识别的复杂度,因此,在将结果应用到工程实际中时还需进一步拓展。     

基于自适应压缩感知与处理的雷达多目标跟踪

自适应压缩感知与处理方法(Adaptive Compressive Sensing and Processing,ACSP)能够减少计算负荷,但现有的基于自适应压缩感知与处理的雷达目标跟踪方法仅限于单目标的跟踪,针对该问题,提出将自适应压缩感知用于雷达多目标追踪。通过对回波进行稀疏表示,设计改进字典(稀疏变换矩阵)。在测量过程中,采用自适应权重替代随机高斯矩阵,构造和配置感知矩阵,基于压缩感知采样的接收数据来建立测量模型。由于测量与目标状态的非线性关系,采用结合联合概率数据关联方法的似然粒子滤波器对目标状态实时顺序估计,从而克服了多目标跟踪中的数据关联问题。理论仿真实验结果表明,改进的自适应压缩感知与处理方法实现了对多目标跟踪。     

具有复合非线性特征不确定系统的自适应反推控制（英文）

针对一类具有复合非线性特征的不确定系统,提出了一种自适应反推多滑模近似变结构控制方案。基于模型分解的方法建立了具有复合非线性特征的执行器模型。论文设计径向基函数神经网络近似系统的未建模项,借鉴Nussbaum增益设计技术解决控制增益未知的问题,使用自适应律估计不确定干扰和神经网络近似误差的上边界。自适应近似变结构控制能够有效削弱控制信号的抖振,同时增强控制器的鲁棒性。基于Lyapunov稳定性理论,证明了整个控制系统的稳定性。该控制方案的主要创新点在于考虑并解决了不确定系统具有复合非线性特征的控制问题。最后,仿真结果证明了控制方案的有效性。     

飞机零位检测系统中的座舱仪表读数识别法

介绍了飞机零位检测系统中的座舱仪表读数自动识别系统。识别系统预先在实验室条件下将各分立仪表图象二值化细化处理成标准的预模式，以此为参照输入被测仪表图象，使之与标准模式有接近的几何位置，然后采用二进小波变换方法在不同角度的扇形区域选择不同的变换参数提取仪表指针及刻度信息，抑制噪声与仪表表面玻璃的反光干扰。再建立图象的同心几何结构特征空间，从而求出被测仪表图象的中心点和相对于标准模式的旋转角度，最后判读指针角度，根据此角度与读数的对应关系自动识别出仪表读数。本文建立的系统对外场环境下摄入的带噪声和反光干扰的座舱仪表图象进行自动识别取得了满意的结果，识别精度高于人工识别精度，基本实现了在线测试。     

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。     

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。     

数字图象条纹细化——逐层削取方法

本文提出一种新方法来解决一般性的条纹细化问题,该方法可以广泛地应用于数字图象处理、模式识别、图象测量等技术领域。算法设计中采用了详尽的模块分析方法,所产生的条纹细化计算法非常有效,已经成功应用于激光全息测量——一种图象测量技术。     

无人直升机地面站系统组件化分布式设计与实现

无人直升机地面站开发是一个复杂的软件设计过程,提高其开发效率的关键在于有效地解决系统结构耦合和模块间实时通信问题。本文在CORBA事件服务机制和TAO实时通信服务品质的基础上,设计了用于Windows平台的事件提供者COM组件和事件消费者COM组件,实现了分布式无人直升机地面站系统组成组件对象间的解耦和实时数据通信。以事件提供者和消费者COM组件为分布式通信基础,以COM组件模型为实现手段,地面站各功能模块得以快速建立和调试。最终,分布式无人直升机地面站系统通过组件包容得以集成,系统的修改和升级也较以往更方便,说明了本文提出的将COM和CORBA相结合的组件化设计模式在构造复杂分布式实时应用系统方面具有明显的优势。     

逆向工程中一种新的特征识别算法

从某种角度上说,逆向工程是从已有实物的测量数据点中提取其实体特征再进行模型重建的过程。本文提出了一种新的特征识别算法,其首先采用基于面积和法矢准则的数据分割技术,对测量数据点进行数据分割。然后从特征所包含的分割面(简称特征分割面)中提取能够惟一标识该特征的4种特征编码,分别为:表述特征截面形状的截面编码、描述特征凹凸性的凹凸编码、显示特征二维俯视轮廓形状的轮廓编码以及反映特征二维俯视轮廓是否封闭的开闭编码。最后将这4种编码输入到基于人工神经(BP)网络的自动特征识别系统中,识别出特征类型并提取特征参数,从而实现特征重建。着重研究并实现了从特征分割面中提取特征编码的算法,并验证了算法的有效性。     

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。     

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