数字图像处理和模式识别在林业中的应用

该文介绍了数字图像处理与模式识别在林业中的应用领域及其重要意义,详细阐述了利用数字图像处理及模式识别技术的原理和方法,并在此基础上研究了林地分类系统的算法和模型,构造了林地分类系统的检索库。通过该文的研究,初步探索了数字图像处理与模式识别在林地分类系统中的应用途径和方法,为以后进一步的实现基于数字图像的林地分类系统的打下了基础。     

基于Agent的模式识别框架APRF的研究

模式识别过程就是对输入模式的分类过程,类是模式的本质,一般认为特征向量是模式的概括,基于这一认识,使得计算机准确地识别模式为某一类是困难的,问题在于人类的识别活动从不基于什么概括的特征向量,而是基于对输入模式的某一侧面的认识,然后利用相似、融合、协同进行识别.这一机制与Agent的工作原理极其相似,通过分析概括模式对模式识别所带来的困难,基于协同学中序参量的概念,给出了基于Agent的模式识别框架APRF(agent orientation patten recognition frame).     

基于对象知识网的企业信息系统形式化表达研究*

为了形式化地研究企业信息系统,提出了基于对象知识网的企业信息系统形式化方法。首先,研究了对象知识网及信息传递关系网的数学描述,分析了对象知识网表达信息系统的规则;然后给出了对象知识网构建的算法以及企业信息系统形式化表达的方法;最后,通过对象知识网在某企业生产管理信息系统形式化中的应用,验证了基于对象知识网的形式化方法的可行性及有效性,为企业信息系统的定量研究提供了数学理论的支持,奠定了信息系统优化的理论基础。     

基于紧框架的二阶总广义变分图像修复模型

针对传统总广义变分（TGV）小波修复模型采用单一小波基变换,仅对纹理细节信息较少且结构简单的图像有很好修复能力的缺点,提出一种紧框架域下的总广义变分正则化修复模型。不同于经典小波变换,紧框架系统具有冗余、时移不变和线性相位等图像处理过程中较为重要的特性。新模型通过引入多层紧框架分解系数的低阶与高阶导数项建立正则化项,获取图像不同尺度多方向上的特征信息来对图像进行约束。模型的数值实现采用分裂技术与原始-对偶方法相结合的优化算法（PDSBA）,交替迭代求解两个易于处理的子问题,提高了图像修复过程的处理效率。相比于传统模型,所提模型不仅具有保边性能,而且对含有较多细节或纹理信息的图像也有较好的修复效果。实验结果显示,三个修复性能指标：峰值信噪比（PSNR）、平均绝对误差（MAE）和结构相似测度（SSIM）均获得显著提升。     

基于贝叶斯网的知识集群研究*

为了解决知识服务站点上传统知识分类模式的限制,根据社会学中集群行为观点,将网络用户的访问行为看作集群行为,且根据用户集群行为在知识服务网上对知识项的访问提出知识集群概念。结合访问日志库中的记录以及用户集群行为的时段性特点,利用贝叶斯网中变量之间概率依赖关系的优点,构建一种动态的、基于用户集群行为的知识聚合模型：知识集群模型,此模型将用户访问的知识项看作网络节点,利用概率推理得出节点之间依赖关系,最终动态形成知识项聚合。通过实验数据,证明了此模型方法的可行性及有效性。     

基于仿生模式识别的手写体汉字识别方法的研究

为了提高机器识别汉字的容错性和准确性,运用仿生模式识别手写体汉字,并以机器"认知"取代机器对特征样本的"区分",研究了手写体汉字的识别方法。该方法先采用双权值椭圆形神经元对汉字的横、竖、撇、捺4类基本笔段进行覆盖;然后通过分析笔段神经元间的拓扑性质来合成具有容错表征方式的6种汉字笔划类型;接着模仿人类汉字形码输入法,通过统计具有冗余容错形状的笔划神经元类型、数量、位置和相合相交数量,建立了手写体汉字特征知识的数据结构表;最后模仿人学习、记忆及对比判断的能力,先验地建立了标准印刷汉字的样本知识库和容错匹配方法。通过对SCUT-IRAC手写体汉字库中的简单和较复杂手写体汉字识别进行的仿真实验结果表明,该方法具有接近人类识别汉字的容错性和准确性。     

基于模式识别的网络考试系统设计

本文介绍了一种基于模式识别的网络考试系统,对整个软件的系统结构、功能以及实现的关键技术进行了探讨。该系统采用SQL Server数据库和指纹模式识别技术,成功地实现了网上考试、培训和学习等。     

基于模式识别的柴油机故障诊断

提出一种基于模式识别的故障诊断方法，利用传感器检测柴油机燃油压力波形，并对波形进行数学建模和特征提取，讨论分析了最小距离判别法，选用Euclidean距离，将其应用到柴油机燃油压力波形的故障诊断中，得到相当理想的诊断结果，最后给出两个实验例子，此方法具有运算简单，运算速度快，判别精度高等特点，具有广阔的发展空间。     

基于Agent的模式识别框架APRF在聚类分析中的研究

基于Agent的模式识别框架APRF(agent-oriented pattern recognition frame).先用自下而上方法对模式建模,然后再自上而下对模式分类.让计算机模式识别更符合人的认知过程的特点,然后阐述APRF在聚类分析中的应用.     

Hand gesture recognition based on dynamic Bayesian network framework

In this paper, we propose a new method for recognizing hand gestures in a continuous video stream using a dynamic Bayesian network or DBN model. The proposed method of DBN-based inference is preceded by steps of skin extraction and modelling, and motion tracking. Then we develop a gesture model for one- or two-hand gestures. They are used to define a cyclic gesture network for modeling continuous gesture stream. We have also developed a DP-based real-time decoding algorithm for continuous gesture recognition. In our experiments with 10 isolated gestures, we obtained a recognition rate upwards of 99.59% with cross validation. In the case of recognizing continuous stream of gestures, it recorded 84% with the precision of 80.77% for the spotted gestures. The proposed DBN-based hand gesture model and the design of a gesture network model are believed to have a strong potential for successful applications to other related problems such as sign language recognition although it is a bit more complicated requiring analysis of hand shapes.     

基于贝叶斯网络的说话人识别研究

基于贝叶斯网络基础理论,并针对与文本无关说话人识别任务,构造了一种用于说话人识别的贝叶斯网络结构,给出了该网络模型的构造和参数估计方法,提出了进行说话人识别时进行推理和分类预测的算法。通过与传统的混合高斯模型(GMM)的实验类比,该贝叶斯网络模型能够在同样的训练和测试数据情况下识别率平均相对提高30％。     

Action recognition based on hierarchical dynamic Bayesian network

Multimedia Tools and Applications - In this paper, a novel action recognition method is proposed based on hierarchical dynamic Bayesian network (HDBN). The algorithm is divided into system learning...     

基于贝叶斯网络的飞行动作识别方法

飞行动作识别是客观评估飞行训练质量的基础。复杂机动动作具有较强的随机性和模糊性,传统的飞行动作识别方法难以有效识别。为此,提出一种基于贝叶斯网络的飞行动作识别方法。根据飞行动作中参数曲线形态特征,采用基于DTW距离的时间序列层次聚类方法进行分类;通过依赖统计分析方法确定参数曲线的描述特征;根据形态特征和描述特征构建贝叶斯网络;利用贝叶斯网络进行推理。仿真实验结果表明,基于贝叶斯网络的飞行动作识别方法对复杂机动动作具有较高的识别率。     

反舰导弹类型识别的贝叶斯网络方法

通过对反舰导弹运动模式及运动特征参数的分析,提出了一种有效的反舰导弹类型识别的贝叶斯网络方法。在机动目标交互式多模型跟踪的基础上,利用曲线拐点检测方法对典型运动模式段进行划分,识别其运动特征参数,根据运动特征参数建立目标类型识别的贝叶斯网络模型。仿真实验证明,方法结构简单,易于实现,具有较高的实用性。     

基于贝叶斯网络和多传感器的障碍物识别系统

针对无人车获得的障碍物信息的不确定性和不完整性以及贝叶斯分类器对不完整信息比较敏感等不足,选择了贝叶斯网络分类方案。该方案在构建贝叶斯网络模型时,将贝叶斯推理运用其中,提高了贝叶斯网络的识别率。该分类系统依托某研究所无人车项目,通过激光雷达和CCD传感器获取障碍物实时信息,为网络模型提供数据信息。     

贝叶斯框架下基于曲波特征加权的SAR影像分割

为了探究各特征在SAR影像分割中的作用规律,提出一种贝叶斯框架下基于曲波特征加权的SAR影像分割方法.首先,利用曲波变换提取像素的多尺度光谱特征,构成像素特征矢量,为了探究提取的多尺度光谱特征在SAR影像分割中的作用规律,赋予该矢量中的每个特征分量不同的贡献权重,并利用上述特征和贡献权重定义特征加权影像;然后,划分影像域,并在贝叶斯框架下构建基于曲波特征加权的SAR影像分割模型;同时利用马尔可夫链蒙特卡罗(Markov Chain Monte Carlo, MCMC)算法和最大期望值(expectation maximization, EM)算法实现影像分割和权重估计;最后,利用所提出方法和4种对比方法对SAR影像进行分割实验,通过其定性及定量评价结果验证所提出方法不仅能够自适应地确定特征在影像分割的作用,还能有效提高SAR影像分割精度,表明所提出方法在SAR影像多特征分割中的优势.     

基于贝叶斯网络的脱机手写体汉字智能识别

针对汉字识别的超多类问题,将贝叶斯网络分类器引入小样本字符集脱机手写体汉字识别中．对手写大写数字汉字的小样本字符集构造识别系统,同时与传统的欧氏距离方法进行比较,实验表明该算法将识别率提高到92．4％,在小样本字符集脱机手写体识别中具有较强的实用性和良好的扩展性．     

基于改进概率神经网络的纹理图像识别

引入差异演化（DE）算法来弥补基本概率神经网络的不足,从而提出一种基于改进概率神经网络（MPNN）的纹理图像识别方法。首先用树形结构小波包变换提取纹理图像的能量特征,用基于统计的纹理特征方法提取统计均值、平均能量、标准差和平均残余特征,得到纹理图像的特征矢量;然后用改进的概率神经网络训练纹理图像的特征矢量,从而实现纹理图像的识别。实验结果表明：采用基于改进概率神经网络的纹理图像识别方法较BP神经网络、RBF神经网络和基本的PNN有更高的识别正确率,且收敛更快。     

基于自适应池化的神经网络的服装图像识别

针对传统池化方式不能提取有效特征值的问题,提出根据池化域的尺寸、池化域内的元素值和网络的训练轮数调整池化结果的自适应池化方法,该算法依据插值原理与最大值池化模型构建函数,以特定函数值作为池化结果,然后利用交叉验证进行模型对比实验。同时提出了小样本调优法以解决目前依靠经验值在全部数据集上验证选取超参数效率较低的问题。在原始数据集上,按照分层抽样的规则抽取小样本,并基于小样本数据集对已编码的超参数组合循环训练并测试,通过对识别率最高的组合解码确定最优超参数。选用DeepFashion数据库进行相关实验,结果显示自适应池化模型的识别率达到83%左右,与最大值池化模型相比提高约2.5%。通过小样本选定超参数,并与随机组合超参数在原始数据集上进行对比实验,结果显示小样本调优法选择的超参数在经验值范围内最优,识别结果为86.98%,与随机组合超参数的平均识别率相比提高了约41.4%。自适应池化方法可以扩展到其他的神经网络中,小样本调优法对高效选取神经网络的超参数提供了依据。