模糊特征下基于神经网络的工程图纸标注符号识别研究

提出了一种基于人工神经元网络对机械工程图纸标注符号识别的方法，并对基于特征输入和基于点阵输入两种神经网络分类器的特点进行了比较．研究结果表明，在模糊特征下，神经网络方法对工程图纸标注符号的智能识别完全能达到实用化要求．     

模糊模式识别在语音关键词识别中的应用

针对仿生模式识别聚类过程中出现的类间交叠现象,提出了一种模糊模式识别算法,使系统拒识率降低了11个百分点,提高了系统的正确识别率,识别效果大为改善。     

模糊塔形决策在战地声目标识别中的应用

研究战场上强不确定背景条件下声目标的自动识别问题,方法,采用模糊塔形决策来实现对战声目标的自动分别分类,结果仿真结果表明,该方法对４种车辆声信号具有良好的识别分类效果。结论利用模糊塔形决策系统实现对战场声目标的自动识别分类是可行的。     

Hamming网在图形识别中的应用

文中介绍了Ｈａｍｍｉｎｇ网的图形识别原理，研究和改进了它的抗噪声、抗遮盖、抗平移性能，并给出微机环境下的实验结果。     

模糊贴近度在储层识别中的应用

为了克服测井解释中通常采用的最大隶属原则进行决策分析导致信息丢失所引起的判别结果的偏差,将模糊数学中的非对称贴近度分析法与神经网络结合起来,充分利用各分量信息建立了一种基于模糊贴近度的神经网络识别法。通过临盘油田实际资料解释表明,在储层识别中采用该方法可大大改善解释效果。     

模糊系统在机械故障诊断中的应用

尝试将模糊系统理论应用于机械故障诊断技术之中。分别完成了“螺杆式压缩机故障诊断专家系统”中的模式识别及逻辑推理中的不确定系统，并在宝钢ＫＳ３１ＢＴ螺杆式压缩机故障分析中得到验证。     

模糊自组织神经网络在语音识别中的应用

在对语音信号进行分析的基础上,讨论了模糊自组织神经网络（ＦＳＯＮＮ）在语音识别领域的应用,并对ＦＳＯＮＮ算法进行改进。语音训练的实验结果表明,修正后的ＦＳＯＮＮ具有较强的聚类能力,这表明人工神经网络在完成某些语音识别子任务上仍大有可为     

模糊模式识别在企业竞争力评价中的应用

以三角模糊数来表示模糊概念，提出一种新的多层多级模糊模式识别模型，并运用该模型对某些企业竞争力进行模糊综合评判和模式识别。     

模糊塔形决策在战地声目标识别中的应用

目的　研究战场上强不确定背景条件下声目标的自动识别问题． 方法　采用模糊塔形决策来实现对战场声目标的自动识别分类． 结果　仿真结果表明： 该方法对 ４ 种车辆声信号具有良好的识别分类效果．结论　利用模糊塔形决策系统实现对战场声目标的自动识别分类是可行的     

模糊模式识别在试卷分析中的应用

依据学生的发展水平指标，提出了利用模糊聚类方法建立学生试卷分析聚类模型．并给出了基于贴近度和模式识别原理对待识别试卷进行科学分析的方法．最后探讨了建立试卷分析诊断系统的可行性．     

洪水波分析及波型的模糊识别

本文通过无量纲化圣维南方程组,得到一套能定量地描述动量方程中各项对动量守恒贡献大小的无量纲参数。如果将对应于模式和样本——实际洪水波的无量纲参数作为模糊集,则样本洪水波类型的识别就可以由模糊模式识别的原则确定。这一分析方法选用一个实例进行了验证。     

基于神经网络的模式识别与信息处理

通过一个神经网络实例验证了人工神经网络的并行运算能力,并证明了模式识别与信号处理等方面,可以实现难以用数字技术处理的最优算法。给出了一个有容错能力的神经网络实例。     

基于模糊ART神经网络的变压器局部放电模式识别

对变压器主要放电类型的3种局部放电典型电极模型进行试验,通过分析计算提取局部放电信号特征量,建立相应的局部放电信号特征库,以此作为模糊ART网络的输入,对局部放电的类型进行模式识别,并将识别结果与BP网络的识别结果进行对比。实验结果表明,模糊ART网络用于变压器局部放电模式识别是有效的。     

手写邮政编码的模糊识别方法

提出一种基于神经网络的手写邮政编码的模糊识别方法,它包括邮编框边缘检测与分离、图像二值化、去噪、倾斜校正、提取邮编数字、窗格缩放、位置归一化、数字细化、数字识别特征提取和基于BP网络的模糊识别等10个环节。经实验表明,该方法的正确识别率达90%以上。     

基于模糊神经网络的模式识别方法

讨论了3种模糊神经元和由其构成的模糊神经网络的基本原理及其学习和自适应机制,针对模糊模式识别问题,建立了一种基于BP学习算法的模糊神经网络模式识别系统,该系统兼有模糊逻辑控制和神经网络两种技术的优点,提高了模糊模式识别的准确性。     

小波包分解与Fuzzy ART神经网络在磨削振动监测中的应用

针对磨削加工的特点,通过小波包进行振动信号细化分解,提取各尺度能量作为特征量.利用无导师学习的Fuzzy ART神经网络进行振动异常的辨识,在发生未知模式振动异常时,网络将产生新的类报警.与传统监测方法相比,该方法能对已知和未知的振动异常进行辨识报警,在实际磨削过程监控应用中效果良好.     

基于T-S模糊神经网络的电晕放电模式识别方法

提出了基于T-S模糊神经网络的电晕放电模式识别方法,设计制作了三类电晕放电实验模型,并从采集的电晕放电信号中提取最大值、最小值、均值及其分形维数作为网络的输入特征向量,根据特征向量维数、隶属度函数类型及隶属度函数个数对T-S模糊神经网络的拓扑结构进行分析,将输入神经元个数为4、隶属度函数层为3个高斯型函数的网络确定为电...     

基于Fuzzy模式识别的异构网络端到端丢包评判算法

针对无线/有线混合网络中，无线误码丢包和网络拥塞丢包的区分问题，对丢失包对（Loss Pair）中探测包的ROD统计概率特性进行了分析，在此基础上提出了一种基于Fuzzy模式识别的丢包区分算法，仿真验证表明，该算法较当前主要TCP版本及典型区分算法具有更为理想的效果。