有教师指导细化拟合的ART2神经网络的研究

ART2神经网络广泛应用于模式识别问题,但有时具有某一属性的模式在模式空间中不一定聚集紧密.当几个模式由于发散而在空间互相交错时,要用ART2神经网络产生复杂的模式空间分类曲面将它们分开则相当困难.另外,ART2对所分的类型并没有任何先验知识,也就是说,ART2本身无法指明所得各类模式的归属.本文提出一种新颖的ART2神经网络,使用先细化后拟合的方法解决了复杂交错的模式分类问题.将这种ART2神经网络用于高频心电图特征数据分类,结果显示大大提高了分类的正确率.     

一种新的指纹图像分割方法

在研究和分析方差法和方向法的基础上，提出了一种指纹图像分割的新方法。对每个指纹图像块，先分别沿平行于块方向和垂直于块方向求取灰度变化，然后针对整幅图像进行归一化处理，以这两个方向上的灰度变化作为判断依据，确定该块是属于前景区域还是背景区域。本算法充分利用了指纹图像特有的方向性和灰度特性，能准确地将背景区域从指纹图像中分离出来，从而取得了良好的分割效果。     

一种指纹图像奇异点检测的方法

准确、可靠地检测奇异点(core点和delta点),对指纹分类和指纹匹配具有重要的意义.针对低质量指纹图像奇异点检测中精确定位和可靠性判断的难题,提出了一种检测指纹奇异点的方法.首先,对于一幅指纹图像,在同一分块尺寸下进行多次图像错位分块,并且分别在不同的图像错位分块情况下检测指纹的奇异点,得到区域相对集中的奇异点位置的集合,并计算其质心,以精确地确定奇异点的位置.然后,再在不同的分块尺寸下检测奇异点,并进一步判断上一步所检测到的奇异点的真伪.该方法利用了多次图像错位分块检测的奇异点位置相对集中和各级分块尺寸下检测的奇异点位置相互关联的特性,能够从指纹图像中较精确、可靠地检测出奇异点.在部分典型低质量指纹图像上的实验结果验证了该方法的有效性,对低质量指纹图像具有良好的鲁棒性.     

一种基于中心点的指纹匹配算法

针对基于点模式匹配的指纹匹配算法速度较慢的现状,该文研究了一种基于指纹中心点的指纹匹配算法.该算法利用奇异点或者指纹有效区域的质心点寻找匹配的基准特征点对和相应的变换参数,并将待识指纹相对于模板指纹做姿势纠正,最后采用坐标匹配的方式实现两枚指纹的比对.实验结果证明,该算法可以快速、准确的定位基准点,精确求取变换参数,误识率低,准确性高,并具有图象旋转平移不变性.对面积适中的指纹图象,匹配结果可以满足在线应用的需要.     

网络化指纹门禁系统设计

本文在研究了现有的网络化指纹门禁系统实现方案的基础上，提出了一种新的网络化指纹门标系统的设计方法。本文采用多串口卡扩展多路串口，实现了服务器集中管理多个门禁点；通过RS485通信协议实现了服务器与门禁点的长距离通信；前台界面友好，运行稳定。     

基于DSP的自动指纹识别系统

本文提出了一种基于TI(Texas Instruments)公司的高性能DSP芯片TMS320VC33,并集合了CPLD和外围存储技术的实用的自动指纹识别系统,并且介绍了该系统的软硬件组成和设计方案.该系统算法性能优异,运算速度快,精度高,兼容性好.     

基于纹线跟踪的指纹分类方法

在深入研究现有指纹分类算法的基础上,提出了一种基于纹线跟踪的新颖指纹分类方法。不同于以往利用core点和delta点进行分类,该算法结合纹线跟踪的思想,在模式区进行纹线跟踪,得到模式区的跟踪曲线,然后再根据曲线参数进行分类,取得了较好的效果。     

南京大学研制成功教学用取样积分器(Boxcar)

近几年来,根据很多高等院校开设“微弱信号检测”课程的需要,南京大学信息物理系受国家教委教学仪器研究所委托,研制了主要用于教学的JB-1型取样积分器。并于1987年5月通过省级鉴定。根据教学、实验的特点,JB-1型取样积分器的电路、结构都作了精心的设计。它可方便地利用机内伴有噪声的模拟信号(方波、三角波、正弦波)进行从噪声中检测信号波形的     

Windows 下的人体平衡机能检测分析系统

本系统利用了VxD技术实现在Windows下对人体平衡数据的检测，利用PC机串口对数据检测进行控制。系统应用程序对人体的平衡机能作了时域和频域的分析，其构成采用了MFC的ActiveX和DLL技术。