协同模式识别方法综述

介绍协同学理论的基本原理及常见的协同模式识别算法 ,有助于模式识别理论的进一步发展。介绍了相关的基本概念 ,重点对协同识别算法中的原型模式的选择及注意参数的设置等关键技术进行了综述。分析了各种常见方法的应用效果并进行了初步的评价 ,展望了协同模式识别算法的发展方向。协同模式识别方法是协同学原理应用于模式识别领域的一种新方法 ,该算法有着很好的发展前景     

商业银行非现场监管的模式识别方法

商业银行非现场监管在整个商业银行监管体系中占有中枢神经的地位，文章将商业银行非现场监管作为模式识别分类问题进行研究，提出了通过神经网络的建模，构造基于马哈拉诺比斯距离的联合判别模型的方法，并以实际数据为基础验证了模型的有效性，进行了商业银行分类识别。     

基于模糊ISODATA的柴油机磨粒模式识别

通过对 D.P.Anderson图谱中各种典型磨损状态下的磨粒图像形状参数进行模糊迭代自组织数据分析技术 ( ISODATA)聚类分析 ,以识别磨粒属于哪一类磨损模式。     

基于D-S推理的模糊模式识别方法

针对战场环境下数据融合系统的ESM设备获得的辐射源信息在时间上的冗余性,提出了一种基于D-S证据推理的模糊模式识别方法。该方法通过对观测样本信任度(模糊隶属度)的重新分配,有效地解决了辐射源信息不确定性问题,提高了辐射源的正确识别率。最后通过单一的模糊识别和D-S证据组合的模糊识别两种方法的仿真对比实验验证了后者的有效性。     

基于优化的RBF神经网络模式识别新方法

提出了一种基于Hough变换优化的RBF神经网络模式识别新方法,该方法把Hough变换应用于RBF神经网络的参数确定中,实现了RBF神经网络的隐层节点数和数据中心值的自适应获取,提高了RBF神经网络的泛化能力。仿真结果表明:此改进的RBF网络用于模式识别中具有识别能力强,计算量小,识别速度快的优点,具有广阔的应用推广前景。     

基于目标机动模式识别的VSMM算法

针对定结构多模型在高机动目标跟踪算法中存在计算量大、计算时间长、难以满足系统实时性等问题,提出了基于目标机动模式识别的变结构多模型算法。该算法能够选取与目标运动状态相匹配的模型集合,具有时变性、自适应性的优点。通过运用少量的运动模型组成一个模型组,然后不同的运动模型组合形成不同的模型组,以模型组代替原先定结构模型中的多模型,根据跟踪检测到的目标运动模式来选择是否更换模型组,从而用少量运算得到较为精确的次优解。仿真结果表明,该算法在跟踪强机动目标中不但能够有效降低计算量,而且可以使模型集合和目标的运动状态更好地匹配,从而提高目标跟踪精度。     

基于“当前”统计模型的高动态GPS信号跟踪算法

提出了一种新的高动态GPS信号跟踪算法,基于＂当前＂统计模型对载波瞬时相位过程、瞬时频率及瞬时频率变化率过程进行建模;在此基础上,结合系统状态方程为线性而量测方程为非线性的特性,采用简化UKF算法对信号参数进行估计,同时采用EKF和标准UKF滤波算法在同等条件下对信号参数进行估计比对。仿真结果表明对信号参数所建模型能真实反映信号的过程,验证了所建模型的正确性的;简化UKF参数估计结果不仅精度与标准UKF相当且具有较高的运算效率,能更好满足高动态下的实时性需求。

Abstract：

A new high dynamic GPS signal tracking algorithm was proposed.Based on current statistical model,a new model for the GPS signal transitional process was established.Since the system involved a linear state equation and a nonlinear measurement equation,a simple Unscented Kalman Filter （UKF） algorithm was applied to estimation the signal parameters.For comparison purpose,an Extended Kalman Filter （EKF） algorithm and a standard UKF algorithm were also applied to the system to illustrate the effectiveness of the proposed filtering algorithm.Simulation results show that the new model can precisely represent the real signal process,and the simple UKF algorithm achieves high precision comparable to standard UKF with higher operation efficiency.Therefore,the new model and the proposed algorithm can satisfy real time requirement in high dynamic environment.     

模式识别中的透射变换与仿射变换

仿射变换和透射变换是两种基本的图像变换。本文详细研究了仿射变换和透射变换的性质,并推导出它们之间的关系。研究表明,在特殊情况下,非线性的透射变换退变为线性的仿射变换;在多数情况下,透射变换可以用仿射变换很好地近似,这为透射变换的目标识别指出了一条新的途径。一组新的由低阶中心矩构成的仿射不变量验证了本文推导的正确性     

基于Kohonen网络的减速箱机械故障模式识别

在自动聚类分析的基础上，根据某汽轮机减速箱运行状态的特征数据，采用Kohonen网络方法，随机选取该汽轮机减速箱运行状态的几组特征数据进行训练。结果竞争层有三个神经元获胜，即该机械的运行状态被分为三类。训练好的网络于对其余几种特征数据进行识别。根据识别结果可以确定该机械的运行状态。结果与选用其它方法所确定的结果一致。因此，Kohonen网络方法可应用于模式识别。从而该方法能实现对汽轮机减速箱运行状态的监控。     

基于模糊神经网络的电梯系统交通模式识别

介绍采用模糊神经网络进行电梯群控系统交通模式识别的方法。用3步混合训练方法对用于模式识别的两个模糊神经网络进行训练,测试结果表明此方法可以准确地辨识出各种交通模式所占的比例,可以指导群控器优化派梯策略,提高电梯群控系统的服务性能。     

基于路径选择模型的驾驶员反应模式识别

以诱导信息质量为单属性来建立满意决策的路径选择模型，然后利用Bayes方法对驾驶员接受诱导所需的知识量和时间进行分析。最后，根据必需知识量识别出驾驶员对诱导信息反应行为的三种主要模式：接近、观望和远离。这一结果使诱导系统有选择地发布诱导信息，提供“度身订造”的诱导策略成为了可能。     

一种用于模式识别的多色Voronoi图

提出了一种新的Voronoi图———多色Voronoi图 ,并证明了它的一些重要性质。多色Voronoi图是在Voronoi图的构造过程中 ,根据数据集的特性给Voronoi图染色的结果。用多色Voronoi图概念设计的模式分类器(MCVC)是一种非线性多类别最优分类器 ,可以解决线性可分和线性不可分问题 ,同时MCVC对新增加的训练样本具有快速局部学习能力 ,这种局部学习能力克服了神经网络方法常出现的过学习问题 ,很类似于人对概念的学习。将多色Voronoi图概念用于支撑矢量机的构造中 ,进行支撑矢量的预选取 ,可以提高支撑矢量机的学习速度     

基于拉普拉斯特征映射的故障模式识别方法

拉普拉斯特征映射算法能有效提取高维非线性数据中嵌入的低维流形特征.将其引入到设备故障诊断领域,应用于故障模式识别问题,提出了一种基于拉普拉斯特征映射的故障模式识别新方法.运用基于拉普拉斯特征映射的非线性降维算法直接对原始故障信号进行学习,提取出数据内在的流形特征,极大地保留了信号中内含的整体几何结构信息,有效克服了常规模式识别方法仅能获得局部线性结构的不足,明显改善了故障模式识别的分类性能.仿真和工程实例结果表明了所提方法的可行性和有效性.     

Fuzzy模式识别在产业结构政策中的应用

一、引言 经济发展与产业结构存在着紧密的联系,产业结构的合理与否对经济发展具有至关重要的影响。一个国家和地区的经济发展水平是和一定的产业结构相对应的,也就是说,不同的产业结构有了不同的经济效益,积极地推动了产业结构向更高阶段演进就能加快经济发展的速度,提高宏观经济效益。因此,制定正确的产业结构政策,规划高速度、高效益的产业结构,就成为经济发展的关键所在。 制定产业结构政策的核心问题是选择带动整个经济起飞的主导产业,通过计划和经济的直接与间接手段,扶持主导产业发展,实现资源的合理配置,最终推动国民经济迅速增长。因此,主导产业选择合     

模糊灰关联模式识别方法及其应用

首先建立灰关联分析的新的理论模型,然后将其与模糊集理论结合起来,提出了一种模糊灰关联模式识别方法．通过应用于场地土类别的评定,从而说明了本文方法的有效性     

模式识别调优技术通过部级鉴定

一项不用投资不添设备便能增产增收的新技术——模式识别调优技术,最近在上海赛璐珞厂胺工段获得成功的应用,3月22日在沪通过由化工部主持的技术鉴定。 模式识别调优技术,系由上海冶金所和上海计算所研究成功的,它采用计算机总结工厂的生产技术数据,经过模式分析,找出     

物体三维重建中轮廓匹配的模糊模式识别方法

基于轮廓序列的三维重建需要解决不同层面的匹配与聚集问题,传统算法在复杂流型转换中匹配准确率较低.针对传统匹配算法匹配准确率较低等问题,采用对折线求平均距离、构造模糊集的方法,给出了一种模糊聚类的数学模型,将传统的匹配问题转化为类成员的隶属度问题,最后把该模型应用到电容层析成像三维可视化系统中,并通过仿真实验验证了方法的有效性.     

基于仿生模式识别的说话人辨认方法研究

仿生模式识别方法模仿了人类进行事物分辨过程中的行为特征,强调了类内事物的相关性,利用"熟识"程度代替"分类".与传统模式识别方法注重发掘类间特征差异性相比,给出了一种新的思路.仿生模式识别方法的难点在于针对同一类事物的有限个样本在特征空间中建立有效的连续覆盖.提出了一种利用改进的最近邻方法产生类覆盖区的新算法,该算法认为同一类中任意两个样本间的特征是渐变的,从而生成更多虚拟的样本点,并根据两个样本特征点之间的距离确定虚拟样本点的覆盖范围.利用该算法实现了说话人识别系统,实验表明该方法能够有效地排除冒充者话音的干扰,在有大量冒充说话人的实验环境下,能够大大提高系统的识别率.     

AHP中判断矩阵一致性修正的模式识别法

基于模式识别原理，给出了判断矩阵一致性修正的一种方法。在该方法中，首先把由专家或决策者给出的判断矩阵Ａ转化为ｎ个具有完全一致性的正互反阵。再将这ｎ个正互反阵和Ａ分别转化为反对称阵Ｂ（ｉ），ｉ＝１，…，ｎ和Ｂ。在Ｂ（ｉ），ｉ＝１，…，ｎ生成的线性空间中寻找与Ｂ最贴近的正互反阵Ｂ～＊，将Ｂ～＊对应的满足完全一致性的正互反阵Ａ～＊作为Ａ的修正矩阵，同时得到了Ａ～＊对应于最大特征值ｎ的正特征向量的计算公式。     

基于模糊模式识别的选煤厂工序失控原因诊断系统

考虑了模糊特征分量对识别模糊模式的重要程度 ,给出了一种新的模糊模式识别方法 .针对选煤厂的洗选工序 ,利用 CIMS的系统集成环境和其他功能模块 ,得到了工序失控原因特征向量 ,基于模糊模式识别给出了工序失控原因诊断方法 ,并给出了系统实现的数据流程图.