基于模糊转换的图像椒盐噪声检测和去除

为了去除椒盐噪声,提高图像的质量,提出了一种基于模糊转换的加权均值方法来有效的对图像中的噪声进行抑制,主要包含两个阶段:噪声检测和噪声去除。在噪声检测阶段,首先将不含噪声的像素点与可能为噪声的像素点(像素取最大值或最小值)区分开来,对于后者,提出了一种相邻处理过点的绝对差分和方法对其是否为噪声进行进一步判别,并引入两个预定的阈值,将可能为噪声的像素点划分为3类:无噪声点、轻度噪声点和重度噪声点;在噪声去除阶段,一种D8距离相关的模糊转换加权均值滤波方法被提出对噪声进行有效的去除。仿真结果表明,与一些现存方法相比,提出的方法较好的去除了椒盐噪声,并且在去除噪声的同时较好的保持了图像的细节信息,无论是峰值信噪比(PSNR)还是结构相似度(SSIM)都有了较大的提高。和实验效果与其最接近的自适应加权均值滤波相比,提出方法节省了超过65%的运行时间。

使用模糊转换器的并联机器人神经元控制

针对液压并联机器人系统存在的大不确定性及干扰，特征参数随工况及环境的变化而产生大幅度变化的特点，本文将模糊信息处理与神经元非模型控制方法相结合，设计出一种模糊转换器，提出了使用模糊转换器的神经元控制方法，对机器人的液压主动关节进行控制。仿真实验表明，这种非模型控制方法具有很强的鲁棒性和自适应性及抗干扰能力，是一种有效的液压并联机器人控制新方法。

面向支持并行设计的零件特征与加工方法的模糊转换

运用模糊理论对并行环境中零件特征到加工方法的映射进行了研究 ,提出了一种零件特征到特征加工方法的映射方法 。

模糊非相关判别转换及其应用

线性判别分析是一种特征提取和维数缩减的方法,广泛应用于人脸识别,语音识别和手写字母识别等领域。但是许多线性判别分析都是"硬"线性判别分析,每个数据点都严格地属于这一类或那一类。在非相关判别转换(UDT)基础上,提出了模糊非相关判别转换(FUDT)。FUDT是利用模糊集理论的有监督学习方法,其判别向量满足广义瑞利商方程,同时也满足样本到模糊非相关优化判别向量上的投影是非相关的。通过FUDT和UDT对公共数据库MSTAR的实验结果可看出,FUDT在处理SAR图像的特征提取方面优于UDT。

扰动模糊有限转换状态机

引入了扰动模糊有限转换状态机和扰动模糊有限状态机的(强)同态的概念,研究了它们的相关性质。给出了Σ的元素构成所有长度有限的词集上的两种同余关系,讨论商结构问题,证明了相应的所有等价类构成具有单位元的有限半群,并且这两个有限半群是同态的。给出了Q上容许关系及强同态的核的概念,研究了它们的相关性质。

完全相容稳定模糊谓词转换器

谓词转换器语义是用程序验证技术来定义程序语言的一种方式。为描述程序的语义,在稳定模糊谓词的基础上建立完全相容稳定模糊谓词转换器,讨论完全相容稳定模糊谓词转换器的拓扑语义。同时给出它与状态转换器之间的一个保序关系,说明完全相容稳定模糊谓词转换器一定是状态转换器。

基于模糊方位转换技术手写文字识别的研究

提出了一种基于模糊方位转换技术实现手写文字辨识的方法，介绍了模糊方位转换技术的基本原理，并编制了仿真程序对该技术进行验证。

用Delphi实现模糊方位转换技术

模糊数学是描述模糊现象的数学，其中的F模式识别原则被广泛运用于几何图形的识别中。手写数字的识别．实际上是几何图形识别中的一种。本文介绍了模糊方位转换技术的基本原理，并用delphi7．0编制了仿真程序对该技术进行验证。实验结果表明．该方法速度快且具有良好的识别效果。

利用流水并行比较法的模数转换器

提出了一种新型模数转换方法——流水并行式模数转换法，并给出了相应的ＡＤＣ实验结果。还介绍了流水并行式ＡＤＣ的电路设计和具体实现的要点。

近红外光谱结合模糊非相关QR分析的生菜储藏时间辨别

生菜是人们经常食用的蔬菜之一,生菜的储藏时间是影响生菜新鲜程度的重要因素。所以研究一种简单、快速、非破坏性的生菜储藏时间的鉴别方法是非常必要的。近红外光谱(NIR)分析能快速和准确的获取生菜的近红外光谱,从而实现无损鉴别生菜储藏时间。但是生菜的NIR数据中存在噪声信号和冗余信号,为了消除光谱的噪声信号并提取特征信息,提出了一种基于模糊非相关QR分析(FUQRA)的近红外光谱生菜储藏时间鉴别新方法。首先,需要降低原始NIR数据的维数,通过使用主成分分析(PCA)将包含1557个维度的光谱数据降至包含22个维度。然后通过模糊非相关判别转换(FUDT)计算出特征向量,利用特征向量建立鉴别向量矩阵,并进行QR分解,得到最终的鉴别向量矩阵。最后以60个新鲜生菜样本为研究样本,使用K近邻(KNN)方法进行分类,用AntarisⅡ型NIR光谱仪对生菜样品进行近红外光谱检测和数据收集。实验过程中每隔12小时对每个样本进行3次重复检测,将这些数据取平均值作为实验数据。随后利用多元散射校正(MSC)减少近红外光谱中的噪声信号。为了验证所提出方法的有效性,分别将主成分分析(PCA)结合KNN、主成分分析和模糊线性判别分析(FLDA)结合KNN、主成分分析和模糊非相关判别转换(FUDT)结合KNN以及主成分分析和模糊非相关QR分析(FUQRA)结合KNN四种算法分析结果进行比较。将权重指数m的不同取值产生的分类准确率进行比较,选出最合适的权重指数和KNN的参数K:m=2,K=3。最终得到的分类准确率分别为43.33%、96.67%、96.67%和98.33%。可以看出,相比其他三个算法,模糊非相关QR分析可以更好地实现对生菜储藏时间的鉴别。

利用模糊数学方法建立汶川地震滑坡灾害评判标准

利用汶川地震主震在龙门山震区的强震资料,建立了利用地震动参数估计斜坡位移的Newmark累积位移模型。借助于模糊数学中的隶属函数方法,实现了对模型估计累积位移的隶属度定量计算,进而用以判定滑坡危险性分级。为使计算结果定量化,进一步利用模糊转换方法,将定性的滑坡危险性判定结果转换为定量的概率表达,使滑坡判定结果可以继续应用于其他环节的计算分析。以汶川地震在龙门山震区的滑坡分布为例,对模型的计算结果及其定量转换结果与实际情况进行了分析,表明模型结果与实际情况非常吻合。分析认为,以概率方式可以使滑坡灾害的空间分布描述更为准确,文中的方法使之得以实现。

高速模数转换的方法及器件的实现

介绍了几种高速模数转换的方法 :逐次近似模数转换法、闪烁式模数转换法、流水线模数转换法和分量程模数转换法 ,以实例说明了采用这些方法实现的 ADC的工作特点及其使用范围 ,指出了 ADC的发展及应用前景 .

带串行控制和11路输入的模数转换器TLC2543及应用

ＴＬＣ２５４３ 是德州仪器公司生产的１２ 位开关电容型逐次逼近模数转换器，它具有三个控制输入端，采用简单的３ 线ＳＰＩ串行接口可方便地与微机进行连接， 是１２ 位数据采集系统的最佳选择器件之一。本文介绍了该芯片的功能、时序，并给出了８０５１ 单片机的接口电路。

Σ-Δ过抽样转换器使用中的注意事项

为了充分发挥Σ Δ过抽样转换器的能力以获得最佳的系统性能 ,文章在分析直流电压、时钟抖动及电源的杂波等诸多因素对其影响的基础上 ,提出了适于Σ Δ过抽样转换器工作的最佳条件 ,对Σ

梯形模糊数据下的一类累积和控制图

统计过程控制是应用统计方法对过程进行控制,从而达到改进与保证过程质量的目的,主要统计工具是控制图,它已广泛应用于各种过程,尤其是生产加工过程。考虑到测量系统给观测数据带来的不确定性以及质量属性测量本身具有的模糊性,运用模糊集理论来处理这种不确定性和模糊性,并结合模糊转换方法,给出梯形模糊数据下的累积和控制图。

AT89C2051单片机完成模数转换的新方法

利用AT89C2 0 5 1单片机内部精确模拟比较器的正向输入 (AIN0 )和反向输入 (AIN1) 。

基于功能的注塑件形状特征模糊选择

应用模糊逻辑理论 ,讨论了基于特征的注塑件 CAD中从功能需求到形状特征的映射方法 .首先建立功能和形状特征集合 ,其次基于领域知识构造模糊关系转换矩阵 ,最后根据推导的模糊映射算法实现从功能域到形状特征域的映射 .将该方法融于传统 CAD系统中可使

模糊非相关鉴别C均值聚类的茶叶傅里叶红外光谱分类

茶是一种让人喜爱的健康饮品,不同品种的茶叶其功效和作用是不相同的。研究出一种可靠、简单易行、分类速度快的茶叶品种鉴别方法具有重要的意义。在模糊非相关判别转换(FUDT)算法和模糊C均值聚类(FCM)算法的基础上提出了一种模糊非相关鉴别C均值聚类(FUDCM)算法。FUDCM可以在聚类过程中动态提取光谱数据的模糊非相关鉴别信息。用FTIR-7600型傅里叶红外光谱分析仪分别采集优质乐山竹叶青、劣质乐山竹叶青和峨眉山毛峰三种茶叶的傅里叶中红外光谱,波数范围为4 001.569~401.121 1cm^(-1)。先用多元散射校正(MSC)进行光谱预处理,然后用主成分分析法(PCA)将光谱数据降维到20维,再利用线性判别分析(LDA)提取光谱数据中的鉴别信息。最后分别运行FCM和FUDCM进行茶叶品种鉴别。实验结果表明:当权重指数m=2时,FCM的聚类准确率为63.64%,FUDCM的聚类准确率为83.33%;FCM经过67次迭代计算实现了收敛,而FUDCM仅需17次迭代计算就可以实现收敛。用傅里叶红外光谱技术结合主成分分析、线性判别分析和FUDCM的方法能快速、有效地实现茶叶品种的鉴别分析,且鉴别准确率比FCM更高。

基于多分辨率分解无参考模糊图像质量评价

利用多分辨率分析手段有效识别模糊效果,提出一种基于多相分解耦合乘法多分辨率分解的无参考模糊图像质量评价方法。首先将模糊图像进行多相成份分解,计算各相成份的相对偏差和绝对偏差;且引入多分辨率分析,设计了模糊转换函数;再计算图像细节均值,定义转换点分类规则;并对图像内容进行分析,建立图像细节信息判别标准;根据标准,对图像进行粗分类,并计算其阈值;最后,引入多分辨率的垂直、水平方向的模糊转换,构造模糊质量评价模型,准确获取图像模糊量。在3个图像数据库中测试得出:与当前无参考模糊图像质量评价方法相比,更加符合人类视觉特性,具有更好的评价效果。