基于模糊模式感知模块的场景文本图像超分辨率算法

现有的场景文本识别器容易受到模糊文本图像的困扰,导致在实际应用中性能较差.因此近年来研究人员提出了多种场景文本图像超分辨率模型作为场景文本识别的预处理器,以提高输入图像的质量.然而,用于场景文本图像超分辨率任务的真实世界训练样本很难收集;此外,现有的场景文本图像超分辨率模型只学习将低分辨率(LR)文本图像转换为高分辨率(HR)文本图像,而忽略了从HR到LR图像的模糊模式.本文提出了模糊模式感知模块,该模块从现有的真实世界HR-LR文本图像对中学习模糊模式,并将其转移到其他HR图像中,以生成具有不同退化程度的LR图像.本文所提出的模糊模式感知模块可以为场景文本图像超分辨率模型生成大量的HR-LR图像对,以弥补训练数据的不足,从而显著提高性能.实验结果表明,当配备提出的模糊模式感知模块时,场景文本图像超分辨率方法的性能可以进一步提高,例如,SOTA方法TG在使用CRNN文本识别器进行评估时,识别准确率提高了5.8%.

基于成分数据分析与模糊模式识别的古代玻璃种类鉴别

以一批古代玻璃制品成分数据为例,研究成分数据处理方法与模糊模式识别在古代玻璃分类鉴别中的应用。采用非对称、对称与等距3种对数比变换方法,对古代玻璃成分数据进行转换,针对数据中零值不能进行对数比转换的情况,引入可以保持单形空间运算的乘法替换法。分别对比3种对数比变换方法对模糊模式识别结果的影响,同时引入随机森林与支持向量机算法,对模糊模式识别方法做进一步的分析。近似零值替换后古代玻璃成分数据的统计特征基本不变,乘法替换法具有良好的替换效果。模糊模式识别结果的准确率与变换方法特性表明,基于对称对数比变换的模糊模式识别方法最优。在古代玻璃的分类鉴别研究中引入成分数据分析理论,为古代玻璃成分数据的处理提供一个科学的方法。模糊模式识别方法的引入,为考古工作者、地质研究人员等,提供一种新的简单快速且准确的分类方法。

煤层气开发地质“甜点区”模糊模式识别模型

从煤层气开发地质选区的角度出发,优选涵盖影响煤层气开发的地质条件和开采条件的煤层气开发地质“甜点区”评价参数,构建煤层气开发地质“甜点区”评价指标体系,并在此基础上建立煤层气开发地质“甜点区”模糊模式识别模型。应用该模型对沁水盆地南部樊庄区块3号煤层的4个评价单元进行评价,评价结果与实际开发效果一致,并与现有研究成果吻合,验证了模糊模式识别模型的合理性和可靠性。研究表明:煤层气开发地质“甜点区”模糊模式识别模型不涉及参数赋权,克服了层次分析与多级模糊综合评判传统模型由于参数赋权而导致评价结果具有不确定性的缺点,同时无需构建多级判断矩阵,计算过程更加简单。模糊模式识别模型预测结果可靠,可为煤层气高效开发提供技术支撑。

三角形类型模糊模式识别新探

本文探索基于高斯隶属函数模糊逻辑的新方法,以提高三角形类型的精确识别。通过将模糊逻辑与传统三角形特征识别方法相结合,实现对不同类型的三角形(如锐角、钝角、直角、等腰和等边三角形)进行精确识别以提高三角形类型识别的鲁棒性和准确性。本研究的主要用途包括但不限于计算机视觉中的物体识别、图像处理中的三角形特征提取、自动控制系统中的形状识别以及教育领域中的数学教学辅助。

变压器油中溶解气体分析中的模糊模式多层聚类故障诊断方法的研究

基于当前对电力变压器故障识别中的模式空间划分缺乏研究的情况 ,将模糊聚类技术引入了电力变压器油中溶解气体分析DGA。在对所收集的 183组电力变压器绝缘故障样本进行了多层树形聚类的基础上 ,通过多次分析绝缘故障 ,得到了一种准确程度较高的故障诊断方法。

模糊模式识别在水煤浆锅炉结渣特性判别上的应用

该文基于模糊数学原理,采用模式识别方法,尝试性地提出将综合指数R与4个常规结渣指标(软化温度T2、硅比G、硅铝比SiO2/Al2O3和碱酸比B/A)一起构成评判因素集,对某燃料水煤浆灰和取自该锅炉不同部位的另3个样品(炉渣、转向室灰和除尘灰)进行了结渣倾向性判别,以验证该模型的可靠程度。通过沾污特性分析和粘聚特性试验及与同一模型的模糊综合评判对照,结果表明该新模型较以前的四因素法具有更高的准确性,从而保证了判别结果的可靠性。同时也证明了实验室煤灰明显有别于现场锅炉煤灰。

模糊模式识别法在围岩稳定性分类上的应用

地下洞室围岩稳定性分类是多因素识别问题,本文用模糊模式识别直接法,通过导出的多元柯西型隶属函数来识别各段围岩的稳定性等级。这可以避免模糊综合评判法中凭经验确定模糊子集(?)的困难。工程实例计算证明,本方法计算简捷,分类确切;选用的分类指标在工程地质调查中较易获得;与国内外常用的RMR分类和Barton的Q值分类比较,结果相当接近,因而具有实用价值。

基于模糊模式识别的煤与瓦斯突出区域预测

借助于成熟的模糊理论与技术可以较客观地实现突出预测中不精确信息与不精确关系的正确表达与处理,综合考虑突出影响因素,提出了煤与瓦斯突出区域预测的模糊模式识别新方法.首先采用模糊聚类分析对煤与瓦斯突出的样本集合进行分类,建立不同程度的模糊模式.然后对待预测样本进行模糊模式识别,根据择近原则,哪一种模式与预测样本最接近,待预测样本即属于哪一种突出类型.此方法克服了模糊聚类单一分析方法的不确定性,实现了多指标定量化的预测,提高了预测效果的准确程度.通过实例验证,证明了预测的可靠性.

基于模糊模式识别的文本自动分类法研究

文本自动分类在文献检索、信息过滤和文本管理等领域中有着广泛的应用 .手工进行文本分类周期长、费用高、效率低 ,难以满足实际需要 .本文给出了一种基于模糊模式识别与预定义类别的文本自动分类方法 。

基于粒子群理论的板形模糊模式识别方法

带钢板形的模式识别是板形闭环控制的关键环节,板形模式的识别结果直接影响着板形控制精度。随着板形控制手段的不断更新,对板形模式识别方法提出更高的要求。为克服传统板形模式识别方法抗干扰能力差、逼近阶难以确定的缺点,依据模糊分类原理,运用欧式距离的择近原则对板形模式进行分类,完成板形信号的模式识别。在此基础上,为进一步提高识别精度,将20世纪90年代发展起来的具有全局优化能力的粒子群理论应用于板形模式识别,对模式识别的结果进行优化,并将其与单纯形法优化结果进行对比。试验结果证明了粒子群优化算法的有效性,该算法能够提高识别精度,使优化后的结果能更精确地控制板形调控机构,以适应高精度板形控制要求。

目标威胁判断的模糊模式识别模型

目标威胁判断是根据目标态势判断对我的威胁程度 ,是现代作战指挥决策系统的核心内容。本文就单舰对空防御中的空中目标威胁等级判断建立空中目标威判模糊模式识别模型 ,利用积累的典型目标态势案例用半监督模糊辨识迭代算法离线辨识模糊模式识别模型参数 ,用离线辨识好的模型参数实时在线辨识目标的威胁等级。

GIS与模糊模式识别理论在变电站选址中的应用

鉴于变电站选址过程中诸多相关因素与地理空间信息有关且不完全清楚,部分决策指标又为不确定的模糊量的特点,文中研究了运用电网地理信息系统(GIS)的信息管理与空间分析功能,获取若干可行待选站址的样本集的可行性,并研究了运用模糊模式识别理论,从定性到定量排序,确定各选址决策指标和样本数据的优越度的方法。工程实例表明,该方法提高了变电站选址的综合决策量化水平和可视化程度。

基于GIS的乌梁素海水体富营养化状况的模糊模式识别

利用基于MATLAB 7.0实现的模糊模式识别交叉迭代模型对2006年5—10月分布于乌梁素海各水体功能区的21个水质监测点的富营养化等级进行了模糊模式识别,并在GIS技术支持下,用Arcview的空间分析功能绘制富营养化等级识别结果、对富营养化状态影响权重最大的评价指标总氮(TN)含量和富营养化状态控制元素总磷(TP)含量对应的富营养化等级水体和地表水质等级水体的空间分布月变化Grid专题图.将富营养化状态变化及其分布区域与乌梁素海同期水质监测指标浓度变化及其分布区域进行对比分析及验证.结果表明,富营养化等级识别结果的时空分布与实际情况相符,能够比较准确地反映富营养化等级定量的时空变化趋势.

基于模糊模式识别的地下水水质综合评价研究

地下水质量的优劣是影响水资源可利用性的一个重要方面,因此对地下水水质进行合理评价是水资源开发利用、保护的依据。本文根据水质评价的特殊性,就模糊模式识别模型进行了改进,将改进的模糊模式识别模型应用于江阴市地下水水质综合评价,将评价结果与基于熵权法赋权的模糊综合评价及传统模糊综合评价结果进行了对比分析。研究表明:模糊模式识别方法对地下水水质评价问题具有较高的数值稳定性和适用性,模糊模式识别法评价的水质级别趋于平均化、中间化,本文提出的模糊模式识别理论模型应用于典型案例地区地下水水质评价是有效可行的。

塔里木河水质模糊模式识别评价

以塔里木河水质为研究对象,采用模糊模式识别评价方法对污染程度、水质类别、分类界限等多层次、多因素的模糊边界问题进行了综合评价。评价结果表明,将相对隶属度应用到河流水质模糊评价中,克服了以往用单一绝对数据进行水质类别划分的缺点,能比较科学、实际、有效地利用监测数据对地表水的污染程度进行综合评价。

基于模糊模式与决策树融合的脚本病毒检测算法

构建决策树进行脚本病毒检测可以全面利用训练样本的信息,在样本特征较为复杂、样本数较大的情况下会产生大量节点,计算时间复杂度高,在剪枝过程中影响分类准确度。为融合模糊模式的信息以提高分类器性能,该文设计了决策树分类基础上的融合算法。该算法将关于模糊模式贴近度的3个特性作为决策树样本信息向量中的属性。使用训练样本集,根据上述属性在划分点上的分裂信息值及信息增益率选择分裂属性,逐步构建决策树。实验结果验证了算法的稳定性与准确度,表明这种融合方法可增加属性的区分度,减少决策树的分支数。

基于电容层析成像和模糊模式识别的油气两相流流型辨识新方法的研究

基于电容层析成像和模糊模式识别技术别提出了一种油气两相流流型辨识的新方法。建立了12电极电容层析成像流型自动识别系统,该系统利用Tikhonov正则化原理并结合SIRT(Simultaneous Reconstruction Techniques)算法进行图像重建。Tikhonov正则化原理用于克服图像重建过程中的不适定问题,SIRT算法用于提高最终重建图像的质量。根据流型的随机和模糊特性,提出了一种根据管截面重建图像进行流型辨识的模糊流型判别方法。研究结果表明,提出的流型辨识新方法是有效的。对于层状流、核心流、环状流、均相流等流型,流型辨识的准确率高于95%,辨识一个流型所用的时间小于0.3秒。对于塞状流,流型辨识的准确率高于90%。

基于模糊聚类分析和模糊模式识别的煤与瓦斯突出预测

煤与瓦斯突出发生的内在机理复杂,突出影响因素与突出事件之间的相关规律具不精确性和模糊性,使得基于经验的传统预测方法和基于数学建模的统计预测方法的应用受到很大限制。提出了采用模糊聚类分析与模糊模式识别方法相结合的煤与瓦斯突出区域预测方法。首先采用模糊聚类分析对煤与瓦斯突出的样本集合进行分类,建立不同程度的模糊模式,然后对待预测样本进行模糊模式识别,以此来预测待测样本的煤与瓦斯突出危险程度。实例验证表明,本法预测可靠。

对分式凝汽器故障诊断的模糊模式识别及神经网络方法

凝汽器工作状况好坏直接影响凝汽式汽轮发电机组运行的安全经济性。为此 ,针对某 30 0MW机组对分式凝汽器的结构特点、实际凝汽系统构成及现场的DAS测点布置 ,首次运用基于模型的故障仿真方法 ,较完善地总结了对分式凝基金项目 :华北电力大学工业过程仿真与控制国家电力公司实验室建设基金资助项目 (SPKJ0 16 2 2 )。汽器的典型故障知识库 ,并对故障征兆的具体表达方法进行了探讨。在此基础上运用模糊模式识别和人工神经网络 2种方法实现对分式凝汽器故障诊断。故障模糊模式识别采用了一种改进的故障隶属函数形式 ,有效克服了现有隶属数易对正常工况产生误诊断的不足。神经网络训练过程中 ,提出了基于恒误差修正率控制的网络学习率自适应调整方法 ,大大加快了网络收敛速度 ,便于实现故障的在线实时诊断。

用模糊模式识别确定开采沉陷预计参数

基于模糊模式识别理论,根据给定的开采沉陷相似现象群的分类及基础岩层移动参数,提出了按择近原则进行新矿区模式识别和预计参数确定的方法.即对于B1,B2,…,Bn这n个开采沉陷模型,如果有一个新矿区的模型C与Bi(i=1,2,…,n)最贴近,就可用Bi作为该矿区的开采沉陷预计参数.实例研究表明,用此方法确定的预计参数具有更强的可靠性和准确性.