一种快速模糊矢量量化图像编码算法

本文在学习矢量量化（ＬＶＱ）和模糊矢量量化（ＦＶＱ）算法的基础上，设计了一种新的训练矢量超球体收缩方案和码书学习公式，提出了一种快速模糊矢量量化算法（ＦＦＶＱ）．该算法具有对初始码书选取依赖性小，不会陷入局部最小和运算量小的优点．实验表明，ＦＦＶＱ设计的图像码书性能与ＦＶＱ算法相比，训练时间大大缩短，峰值信噪比也有改善．

基于模糊矢量量化图象编码的研究

分析了模糊矢量量化（ＦＶＱ）图象编码的原理，给出了ＦＶＱ设计三要素。提出了用于图象编码的指数型模糊矢量量化算法（ＦＶＱＥ）。实验结果表明，ＦＶＱＥ的图象编码性能与ＦＶＱ相当，但收敛速度要略快于ＦＶＱ算法。

基于模糊矢量量化的语音转换方法

因传统矢量量化方法进行语音转换时的量化误差会引起特征空间的不连续性,使转换后语音的效果不理想,故采用模糊矢量量化技术提出一种新的、有效的语音转换方法。通过实验验证,基于模糊矢量量化技术的语音转换可以有效实现不同人之间的语音转换,转换后的各项指标均较为理想。

一种指数型模糊学习矢量量化图像编码算法

本文分析了模糊矢量量化（ＦＶＱ）图像编码的原理，提出了一种指数型模糊学习矢量量化算法（ＥＦＬＶＱ）。实验结果表明，该算法具有快速收敛性能，设计的图像码书峰值信噪比与ＦＶＱ算法相比也略有改善。

基于四元数表达的模糊矢量形态学算子

由于经典的形态学算子不能直接拓展到彩色图像处理中,提出一类基于四元数表达的模糊矢量形态学算子.该算子利用四元数表达彩色图像并结合其分解特性,将彩色图像的模值、四元数的垂直分量和角度信息作为词典编纂顺序的3个边缘分量.3个分量一方面去除了彩色图像多通道数据的相关性,另一方面更便于词典编纂顺序等级的划分.并利用模糊数学解决了现有词典编纂顺序存在的等级判定难以深层进入的问题,给出了基于四元数表达的模糊矢量排序算法.与现有的矢量排序算法相比,新的矢量排序算法同时考虑了各分量的作用,并将判定进行到词典编纂顺序的最后一层,实现了矢量的正确排序.基于新的矢量排序规则,定义了矢量形态学算子,并将新的矢量形态学算子应用于彩色图像滤波、分割中.实验结果表明,与现有的矢量形态学算子相比,新的矢量形态学算子在平滑彩色图像噪声的同时保留了图像细节,并能正确地分割多类彩色图像,具有较高的鲁棒性及实用性.

基于结构元的模糊矢量研究

在给出n维实空间Rn上模糊点的结构元表示基础上,提出了分量为模糊实数的模糊矢量概念,研究了其运算性质,并将模糊矢量的运算转化为其相应坐标分量间的运算。最后,给出了两种特殊的模糊矢量内积的定义。研究结果不仅丰富了模糊分析学的研究内容,也为进一步研究模糊解析几何学提供了方法和工具。

基于矢量投影法的武器系统模糊多属性决策评估

武器系统效能评估是属于多属性决策问题,一般对武器系统的描述及评判准则通常以语词描述,因此语意不明及模糊不清。为了克服这些问题,文中基于模糊多属性决策法,由武器系统性能规格数据及专家的意见来建立武器系统评判准则和模糊函数,通过将加权后的方案矢量投影到理想解上,再将负理想解投影到方案矢量上,进而在两个投影的基础上构建方案与理想解的相对贴近度,用以确定多属性决策方案的优劣次序。最后以迫击炮系统评估实例来说明评估的过程。

一种新的模糊K邻域矢量量化码本设计算法

本文提出了一种新的模糊K邻域矢量量化码本设计算法(FKNNVQ)。该算法具有对初始码本依赖性小,不会局部最小,收敛速度快,码本性能好等优点。实验结果表明,FKNNVQ算法与Karayannis等1995年提出的模糊矢量量化算法(FVQ)相比,设计的图象码本峰值信噪比和收敛速度都有明显改善。

基于模糊支持矢量数据描述的早期故障智能监测诊断

为了解决机电设备早期故障难以正确识别及故障发展状态不易准确监测的问题,提出了一种基于模糊支持 矢量数据描述(FSVDD)的早期故障智能监测诊断新方法。该方法只需要一类目标样本作为学习样本就可以建立起 单值分类器,同时在核函数中引入非目标样本的模糊隶属度,从而把非目标样本与目标样本分等级地区分开来。 将这种方法应用在机电设备状态监测和故障诊断中,只需要将正常运行时的数据信号作为目标样本,就可以实现 对设备早期故障的准确识别,同时判断故障的严重程度。在轴承运行状态监测中的测试结果表明,该方法不仅能 快速识别轴承的早期故障,而且可以对故障的严重程度做出准确的判断。

心脏序列图像运动估计新方法:基于广义模糊梯度矢量流场的形变曲线运动估计与跟踪

应用动态轮廓线模型 (ACM)解决心脏运动估计问题是该领域的主要研究方法之一 .采用经典外力和传统ACM模型对感兴趣边缘进行搜索及跟踪时 ,普遍存在模型的局部适应性程度不高的缺陷 .为解决这一挑战性难题 ,该文提出了广义模糊梯度矢量流 (GFGVF)的概念 ,并构造出一组新的Snake平衡方程 ,该方程可对心脏内部边缘逐帧进行鲁棒跟踪 .为进一步跟踪每一特征点的运动 ,该文将前一步的轮廓跟踪结果作为似然条件 ,结合一致性和连续性先验条件 ,通过最大后验概率 (MAP)的方法对整个过程进行了优化计算 .通过对MR及CT两类心脏序列图像进行运动跟踪实验并对计算结果进行多种比较 ,此方法显示了较好的鲁棒性 .

基于批量模糊学习矢量量化的模糊系统辨识

提出一种基于批量模糊学习矢量量化的模糊系统辨识方法.首先通过优化方法自动调整模糊指数,使所得到的模糊规则前件隶属度函数与聚类规则得到的隶属度函数相比具有较好的可解释性;然后针对模糊系统可解释性与精度之间的困境问题,为保证参数的可理解性,利用带约束的非线性优化方法调整后件参数,并用调整参数的界评估因优化造成参数恶化的程度.仿真实验表明,利用该方法得到的模糊系统模型具有较高的透明度,.满足合理的精度.

模糊相关性文本无关矢量量化说话人辨认研究

文本无关说话人识别的一个关键问题是寻求一种有效的说话人个性特征量。利用模糊向量内积理论,提出了一种新的物理量:连续特征矢量模糊相关度(CFVFC),以反映相邻特征矢量间的相关性,进而突出说话人的个性特征,并在此基础上研究了新的矢量量化(VQ)说话人识别方法。实验表明CFVFC是一种有效的识别信息,对于干净语音的说话人辨认,可以提高识别系统的识别率;在加噪声情况下,能增强识别系统的鲁棒性。

一种基于模糊Kohonen网络的飞行数据智能处理方法

为了充分利用飞行参数记录仪 (黑匣子 )记录的数据 ,对飞行质量进行评估 ,需要把数据按动作进行分段。以是否含有标准飞行动作为分段标准 ,设计了一种飞行数据的分段模型———模糊Kohonen网络。首先对每帧飞行数据进行特征检测 ,将根据专家经验模糊处理得到的隶属度矢量作为模糊Kohonen的输入 ,经过该网络决策 ,最终得到以时间划分的标准飞行动作数据段和非标准飞行动作数据段。经实际飞行数据检验 ,该方法准确、有效。

模糊多属性决策的投影折衷方法

基于矢量投影的思想,导出了分量为L-R型梯形模糊数的模糊矢量投影的计算公式。通过将加权后的方案矢量投影到理想解上,再将负理想解投影到方案矢量上,进而在两个投影的基础上构建方案与理想解的相对贴近度,用以确定多属性决策方案的优劣次序。同时,本文以实例对这一决策方法进行了说明。

模糊多属性折衷决策模型及其算法

针对模糊环境下的多属性决策问题,提出了一个折衷决策模型;指出了该模型以海明距离,Hausdorff距离,模糊矢量投影为测度的算法特点。

工业产品环境意识的一种模糊评价方法

推行环境意识产品的生产,不仅能提高产品的国际竞争力,还能够促进公众环境意识的提高。为了促进环境意识产品的生产,有必要评价工业产品的环境意识。本研究采用产品的可降解性、可回收性、环境意识宣传能力、可维修性、能量消耗及耐久度6个指标,研究了如何利用模糊矢量投影的方法评价产品的环境意识。该方法是将每个模糊变量向量投影到模糊权重矢量上,以投影系数来确定结果的优劣。

模糊多属性决策的折衷方法

在假设属性指标和权重都是模糊数的条件下,利用两个模糊矢量的分量期望值构成的向量的夹角作为这两个模糊矢量的夹角,提出了模糊矢量投影的概念,以权重矢量作为标准衡量各个方案尺度,将模糊多属性理想矢量与模糊多属性指标构成的模糊矢量之差和模糊负理想矢量与模糊多属性指标构成的模糊矢量之差在模糊权重上的投影系数组合大小作为衡量各个方案优劣的准则,投影系数越大,方案越优,并给出该准则的算法及说明该准则的一个例子。

基于可区分性加权的模糊核说话人识别

针对训练和识别语音数据较少的情况,本文提出了一种新的说话人识别算法.通过核映射,在高维特征空间对说话人的语音特征进行模糊矢量量化.为了增加说话人之间的可区分性,提出了一种基于高维特征空间的码字矢量的权值分配方法,对具有较强区分性的码字矢量分配较大的权值,并将产生的权值和说话人的码书一起形成说话人数据库.识别时,提出一种模糊核加权最近邻近分类器,在高维特征空间中对说话人进行匹配.实验表明,该算法在训练语音少于8s,识别语音为1s时,能够得到较好的识别结果.

基于模糊核熵的短语音说话人识别

为了解决由于模糊加权指数选取不当而导致系统性能下降的问题,将熵函数引入到核映射的特征空间中,提出了一种基于模糊核熵的短语音说话人识别新方法。通过定义特征空间中的模糊核熵目标函数,设计了模糊核熵矢量量化器,在高维特征空间中对说话人的语音进行训练和识别匹配。引入熵的算法具有更加清晰简洁的数学形式和物理含义。为了进一步提高系统性能,利用模拟退火法对熵函数中的模糊熵度进行全局优化,提出了一种基于模拟退火的模糊熵度更新方法。实验表明,该方法对于较短的训练语音,其识别效果优于高斯混合模型和模糊核矢量量化。

基于核主成分的支持矢量机信用评级

本文提出模糊支持矢量机的模糊规则提取方法,针对当前SVM的常见模型参数选择的方法的不足,引入遗传算法的自动模型选择优化方法;考虑到信用评级数据的非线性特征,提出了新的信用评级核主成分(KPCA)的特征提取方法,减少指标间的相关性,提高模型的预测精度;使用上市公司数据进行了实证分析,实验结果证明了该信用评级方法优于神经网络的方法,证明了该方法适用性。