多类模式识别的动态多叉树算法研究与实现

研究模式识别方法 提出动态多叉树算法 ,用以解决实际环境中复杂的或大模式类别学习及系统动态扩展问题 ,该算法利用分治和局部最优原理缩小目标范围 ,结合整体学习方法提高识别率 ,模拟人脑的循序渐进学习方式 ,实现知识增殖和继承 可解决现有识别系统在学习新知识会破坏已有知识 ,需重新学习的问题 并具有较高的识别率 ,可有效地处理巨模式类识别的问题 该系统可以用于人脸、字符、指纹等对象的识别分类 系统的构造方法体现其通用性 ,性能分析表明其可行性 。

基于动态多叉树的大气环境质量评价方法的研究

提出将动态多叉树算法应用于大气环境质量评价系统中,实现知识增值和继承。当系统扩充时,只需对增加的模式类别或训练样本构建新的分类器,其余的分类器可保持不变,从而很好地解决现有评价识别系统在学时新知识会破坏已有知识,需要重新学习的问题。结果表明利用动态多叉树算法进行大气环境质量评价的研究具有传统方法无法比拟的优势。

射频识别系统中的防碰撞算法设计

提出了一种用于解决射频识别系统中的碰撞问题的方法——动态多叉树搜索算法,新算法分析了动态二叉树算法和四叉树算法的优缺点,改进了动态二叉树搜索算法,并通过Schoute算法估计标签数量,选择调整搜索叉树,解决了多标签识别的碰撞问题,理论和仿真证明了新算法的优越性,即减少搜索的时隙数并提高了时隙的吞吐率.