基于混淆交叉的多分类支撑向量机树

本文针对复杂模式分类和多分类问题,提出了一种基于混淆交叉的多分类支撑向量机树模型,其整体结构为二叉树,在树的每个中间节点上嵌入了支撑向量机。在训练阶段,引入混淆交叉因子,在同属一个父节点的中间节点样例间进行样例的混淆交叉,将那些对分类曲面有较大影响的样例纳入树型结构更深层次的训练过程,参与更精细的分类超曲面的构建。本文将提出的支撑向量机树与现有的其他方法作了比较,实验结果说明了本文提出的模型在解决复杂模式识别问题及多分类问题上具有高效准确性及优越的泛化性能。     

一种实用的维特比译码器误码率测试系统

在数字通信中,卷积编码配合维特比译码是具有良好纠错性能的一种差错控制方案.本文介绍了对该方案的误码率进行定量测试的一套软硬件结合的系统,包括其系统组成、硬件和软件结构及测试功能.该系统实用性强,接口方便,将测试软件调整后也可对其它纠错编码方案的误码率进行测试.     

A NEURAL NETWORK BASED FAULT FUZZY DIAGNOSTIC SYSTEM

A fault fuzzy diagnostic system(FFDS) based on neural network and fuzzy logic hybrid is proposed. FFDS consists of two modes: a fuzzy inference mode and a rule learning mode. The fuzzy inference rules are stored in the memory layer. The excitation levels of the memory neurons reflect the matching degrees between the input vectors and the prototype rules. In the rule learning mode, the rules can be produced automatically through the cluster process. As an application case of this diagnostic system, the fault diagnosis experiment of the rotating axis is simulated.     

DETERMINING POSE PARAMETERS WITHOUT PRIMITIVE-TO-PRIMITIVE CORRESPONDENCE

The problem of determining the pose of an object in 3-D space is essential in many computer vision applications. In this paper, a model-based approach for solving this problem is proposed. This approach does not require the knowledge of point-to-point correspondences between 3-D points on the model and 2-D points in the observed image. The spatial location of the object is iteratively estimated and updated from the values globally defined over the model image and the observed image.     

一种指数型模糊学习矢量量化图像编码算法

本文分析了模糊矢量量化（ＦＶＱ）图像编码的原理，提出了一种指数型模糊学习矢量量化算法（ＥＦＬＶＱ）。实验结果表明，该算法具有快速收敛性能，设计的图像码书峰值信噪比与ＦＶＱ算法相比也略有改善。     

一种用于MPEG2运动估计的八步搜索算法

本文提出了一种用于MPEG2运动估计的八步搜索算法（8SS），它的搜索位移为（－16，＋15．5）。该算法由于利用了序列图象运动矢量的空间分布特性—中心偏置分布特性，可以明显地将搜索次数降低到（25－55）次。仿真表明这种算法减少了搜索范围和搜索次数，提高了搜索效率，并能给出更正确的运动矢量。本文还对几种不同的搜索算法在大范围搜索区域的性能进行了详细的比较。     

ARMA谱的自适应广义最小二乘估计法

本文在说明普通最小二乘自适应算法用于ARMA模型谱估计时存在有偏性的基础上,推广了最小二乘自适立算法的模型,得到了适用于在线ARMA谱估计的广义最小二乘自适应算法,并讨论了加速收敛的方法。与辅助变量(IV)法相比较,本文方法具有保证估计谱正性和能在线识别MA部分参数的优点。文中还用多种数值结果说明了本文方法在实际应用中的有效性。     

用于含噪二值图像的改进NAS-RIF图像盲复原算法

D.Kunder等提出的NAS－RIF图像盲复原算法在无噪情况下，能够得到好的结果，但算法对噪声敏感。针对此特点，Michael K.Ng等提出了NAS－RRIF算法，它主要是对逆滤波器进行正则化，以避免噪声过分放大，但 所得结果没有大的改善。二值图像的盲复原也是其应用价值的，本文将二值图像所具有的更多先验信息用于NAS－RIF算法，采用新的非线性函数，并结合后续处理,提出一种用于含噪二值图像的改进算法。实验表明，在噪声情况下，所提出的算法可以得到满意的结果。算法还考虑了背景灰度值非零情况。文章给出了实验结果，另外还考虑并解决了NAS－RIF算法固有的比例问题。     

一类二次Sigmoid神经元构建的分类器分类能力的理论分析

针对含二次Sigmoidal神经元的前向神经网络,研究了它的模式分类能力.通过分 析它在解决Dichotomy问题所需的规模,从而得到了这种神经元模型对神经网络分类器的分 类能力的改进程度.