基于稀疏RAM的逼近型神经网络与统计模式识别的人脸识别

本文提出了一种基于稀疏RAM的逼近型神经网络(SN-tuple)与统计模式识别相结合的人脸识别方法,采用首先直接将原始图像数据输入稀疏RAM的逼近型神经网络中进行粗分类,再由统计模式识别方法中的PCA、LDA来进行最终细分类的方法,通过大量的实验证明了该方法的有效性。     

基于参数化的防空武器平台系统仿真建模技术

针对防空武器平台仿真系统快速、高效建模需求,从多学科领域功能模型划分角度出发研究其仿真系统建模技术,建立了合理的领域功能模型划分框架及自底向上的系统多层建模结构;在此基础上结合多粒度参数化建模技术研究了通用领域功能模型建立方法。最后通过对某典型防空武器平台仿真系统的建模验证了该建模技术的有效性和可行性。     

通用数字信号解调器的SIMULINK建模

介绍了基于SIMULINK软件对多种通信信号解调的通用解调器的建模。为了便于指导硬件实现，采用了定点数据进行仿真，通过大量实际数据的测试，验证了该仿真结构的有效性，并给出了部分仿真结果图。     

统计学习理论及支持向量机概述

针对传统统计模式识别理论中基于大数定理的假设，介绍了统计学习理论和以该理论为基础的支持向量机模式识别方法；指出了以结构风险最小化为原则的分类器设计方法。即同时兼顾分类能力最优化和经验风险最小化，支持向量机是统计学习理论的VC维理论和结构风险最小原理的具体实现。他通过非线性变换将输入空间变换到一个高维空间，然后在这个新空间中求取最优线性分类面。     

基于协同神经网络的导弹攻击目标识别方法研究

针对目标识别问题,采取了基于协同学的模式识别理论,引入了协同神经网络并对其稳定性进行了分析,提出了基于协同神经网络对军事目标进行识别的方法,并通过仿真验证了该方法的有效性。     

部分像素衍射屏实现三维立体显示的原理及其设计

通过与激光彩虹全息术的比较，指出可以通过记录象面复合虹全息图的方法来制造这种衍射元件．给出了设计这种衍射元件的一种新方法和有关的公式，通过计算基元全息图确定部分像素衍射屏上部分象素结构的光栅刻划参数。给出验证其有效性的设计实例。     

一种基于中心矩特征的SAR图像目标识别方法

合成孔径雷达自动目标识别是目前国内外模式识别领域的重点研究课题之一.本文给出了一种内存需求小,低计算复杂度且具有较好识别性能的SAR图像目标识别方法,先通过自适应阈值分割来获得目标图像,然后提取其中心矩特征,采用SVM来进行识别.基于美国MSTAR实测数据的识别试验验证了该方法的有效性.     

均匀随机数发生器测试软件包的设计与实现

对随机数发生器进行有效的统计性能测试在离散系统仿真中具有重要意义。从数理统计的角度出发,分析了随机数序列参数检验、均匀性检验和独立性检验的数学基础,并以此为基础运用C＋＋设计了基于动态链接库的随机数发生器统计性能测试软件包。在该测试软件包中,对随机数发生器产生的[0,1]均匀分布随机数序列的参数特性、均匀性和独立性分别从多个方面加以检验,提高了测试的完备性和正确性。最后,通过实例验证了该测试软件包的有效性。     

用于光纤围栏入侵告警的频谱分析快速模式识别

相位敏感光时域反射计(Ф-OTDR)在光纤围栏等动态传感领域具有重要的应用,快速、有效地对入侵信号分类识别有着十分重要的意义。基于频谱分析提出了一种称为频谱欧氏距离法(EDFS)的快速模式识别方法。该方法通过短时平移差分和短时能量法对Ф-OTDR的解调信号进行提取,确定待分析数据段;对数据段进行归一化和快速傅里叶变换,获得信号的频谱特征;计算信号频谱与预先生成的模板之间的欧氏距离对入侵信号进行分类、识别。采用三种入侵信号对该方法的有效性和实时性进行了实验验证。结果表明,该模式识别方法可以有效识别扰动信号,识别时间小于传统的动态时域规划模式识别方法耗时的1/10。同时,该方法所需训练样本较少,对环境噪声有一定程度的抑制作用。     

基于变换域的双基地STAP距离独立性补偿方法

 本文以双基地STAP中的距离独立性补偿问题为研究对象,分析了基于映射的距离独立性补偿方法中存在的的缺点, 包括步骤复杂,引入误差项过多等,提出了一种基于变换域的距离独立性补偿方法,该方法直接在变换域完成距离独立性补偿,数据仿真验证了该方法的有效性和优越性。     

关于模式识别统计的线性判别函数若干方法的讨论

本文在评述和对比了模式识别统计的线性判别函数算法后,提出了一种以Rayleigh商值为准则的动态规划方法,即统一的统计线性判别函数算法,它可以取代其他方法,可以开拓和发展新的统计算法,使这类算法规范化、实用化和统一化。     

阅读认知模式下的图案识别方法研究

本文模拟人类对图案的认知识别机理,提出了一种基于阅读认知模式的特征提取方法,提取基于视觉信息的图案特征,并提出了一种基于基元拓扑关系建模的通用图案识别方法。利用滑动窗来实现对人类认知图案机制的模拟,通过滑动窗的滑动过程完成对图案局部结构特征提取以及空间拓扑关系的构建。在图案识别建模方法中,采用了人工神经网络和隐马尔科夫模型相结合的混合识别模型,利用人工神经网络的强大计算能力完成基元建模,结合隐马尔科夫模型的强大的处理时序数据的优势,实现了图案的整体拓扑结构建模。实验结果验证了本文提出的图案识别方发的有效性和通用性。      

基于多重卷积神经网络的大模式联机手写文字识别

联机手写识别在日常生产生活中有着广阔的应用,模式识别也一直把其作为研究的重点。传统的识别方法是利用普通卷积神经网络技术,该方法在对小规模字符集联机手写文字识别时有着较高识别率,总体性能高,但在对大规模字符集识别时,识别率则大大降低。提出一种基于多重卷积神经网络的识别方法,旨在克服以往方法对大规模字符集识别时识别效率不高的问题,提高大规模字符集联机手写文字的识别率。系统使用随机对角Levenberg-Marquardt方法来优化训练,通过使用UNIPEN训练集测试该方法识别准确率可达89%,是一个有良好前景的联机手写识别方法。     

基于光纤光栅传感系统的入侵信号识别

介绍了一种基于光纤光栅传感器的周界检测系统中的信号处理方法,即时频数据分析法。在时域信号分析的基础上,通过将时域信号进行频域转换来进行入侵信号的模式识别及分析,并利用MATLAB仿真计算结果加以验证。试验结果表明该方法可以提升系统识别不同的入侵行为的能力,解决了纯时域分析下难实现的模式识别问题。     

基于空间谱估计的多目标信号分离研究

现代战争中,同一时间、同一空间、相同频率或不同频率上出现多个信号源的现象经常会出现,为了对这样的多目标信号进行有效分离,提出了空间谱估计测向的方法。在分析该方法基本原理的基础上,提出了适用于同频与不同频信号分离的通用测向算法,并对算法进行了仿真。仿真结果证明了该测向算法的有效性,从而为目标识别器的研制提供了一种有价值的方案。     

通用数据访问模式的研究

运用面向对象的设计原则，将代理模式与工厂方法模式相结合，提出了一种新的通用数据访问模式。该模式可支持多种关系型数据库管理系统和数据驱动程序，通过将应用层与数据层隔离，大大减少了系统的耦合性，具有广泛的实际应用前量。     

一种基于SVM的多目标模糊识别方法

支持矢量机是近年来在统计学习理论的基础上发展起来的一种新的模式识剐方法，在解决小样本、非线性及高维模式识剐问题中表现出许多特有的优势。本文重点分析了支持矢量机多分类问题中存在的错分、拒分现象，提出了一种基于支持矢量机特征空问的模糊隶属度函数。多目标识剐的仿真结果表明，采用这种模糊隶属度函数，能够减少目标的错分和拒分数量，提高识剐率。     

Information distance

While Kolmogorov (1965) complexity is the accepted absolute measure of information content in an individual finite object, a similarly absolute notion is needed for the information distance between two individual objects, for example, two pictures. We give several natural definitions of a universal information metric, based on length of shortest programs for either ordinary computations or reversible (dissipationless) computations. It turns out that these definitions are equivalent up to an additive logarithmic term. We show that the information distance is a universal cognitive similarity distance. We investigate the maximal correlation of the shortest programs involved, the maximal uncorrelation of programs (a generalization of the Slepian-Wolf theorem of classical information theory), and the density properties of the discrete metric spaces induced by the information distances. A related distance measures the amount of nonreversibility of a computation. Using the physical theory of reversible computation, we give an appropriate (universal, antisymmetric, and transitive) measure of the thermodynamic work required to transform one object in another object by the most efficient process. Information distance between individual objects is needed in pattern recognition where one wants to express effective notions of “pattern similarity” or “cognitive similarity” between individual objects and in thermodynamics of computation where one wants to analyze the energy dissipation of a computation from a particular input to a particular output     

Syndrome-source-coding and its universal generalization

A method of using error-correcting codes to obtain data compression, called syndrome-source-coding, is described in which the source sequence is treated as an error pattern whose syndrome forms the compressed data. It is shown that syndrome-source-coding can achieve arbitrarily small distortion with the number of compressed digits per source digit arbitrarily close to the entropy of a binary memoryless source. A "universal" generalization of syndrome-source-coding is formulated which provides robustly effective distortionless coding of source ensembles. Two examples are given comparing the performance of noiseless universal syndrome-source-coding to 1) run-length coding and 2) Lynch-Davisson-Schalkwijk-Cover universal coding for an ensemble of binary memoryless sources.     

Nonparametric estimation via empirical risk minimization

A general notion of universal consistency of nonparametric estimators is introduced that applies to regression estimation, conditional median estimation, curve fitting, pattern recognition, and learning concepts. General methods for proving consistency of estimators based on minimizing the empirical error are shown. In particular, distribution-free almost sure consistency of neural network estimates and generalized linear estimators is established