基于嗅觉神经网络的织物组织识别

针对织物组织的多样性及其组织图像处理易受噪声干扰的问题,提出一种基于嗅觉神经网络的织物组织识别方法。在生物嗅觉神经网络建模技术的基础上,根据激励响应关系调节KⅢ模型输入电压,将采集的织物图像在X和Y方向投影,计算其组织点大小,然后重排组织点,将重排结果运用上述KⅢ模型识别。样本数据验证表明:所建模型对平纹、缎纹组织识别率都高于BP神经网络模型;对斜纹组织,采用新的组织点提取模型后,识别率也有明显的提高。

基于B样条小波变换极大模的织物多组织识别算法研究

提出了一种新的基于B样条小波变换极大模的织物多组织识别算法:首先由B样条小波对织物图像进行分解,利用分解后的经向和纬向子图像建立正常织物图像和待检测织物图像的极大模边缘图像;然后由它们的差值结果提取特征参数识别织物组织的位置并检验结果的准确性;最后由组织矩阵绘制织物的组织图.仿真结果表明:本文方法能够精细准确刻画织物组织点位置并具有效率高、稳定性能好等优点.

基于平移相减法的机织物组织识别

针对现有机织物组织识别方法适用范围窄、鲁棒性差的现状,课题组提出一种计算织物组织循环大小的平移相减算法(translational subtraction algorithm,TSA),并提出了一种基于TSA算法的机织物组织有效识别方法。该方法结合机织物图像不同方向的TSA算法和水平方向的亮度累加法获取织物组织循环宽度和纬线宽度,然后对机织物图像进行错位TSA算法,分析错位TSA曲线相位的周期性和大小,可以得到织物组织循环的纱线根数和飞数,最终获得机织物图像的组织意匠图。实验证明该方法对机织物图像光照、纹理和倾斜等干扰因素具有鲁棒性,能有效识别各种类型的机织物组织。

基于多分辨率混合特征的色纺织物组织识别

针对色纺织物组织识别过程中参数特征提取困难的问题,文章提出了一种基于多分辨率混合特征的织物组织结构自动识别算法。该算法利用小波函数对色纺织物图像进行多分辨率分解,并提取2DLBP纹理和全局颜色特构建混合特征向量;同时,采用BP网络和朴素贝叶斯理论构建层次化分类器,从而实现组织特征参数的分类与识别。实验结果表明,提取的织物组织特征不仅具备颜色与多层纹理表征能力,而且所构建的混合分类器也兼具强化特性。对180份具有不同染色纤维混配系数及捻系数的色纺织物组织图像进行识别,平均识别率约为97%,验证了方法的有效性与鲁棒性。

基于HIFU回波信号和多尺度模糊熵的生物组织变性识别研究

为了解决高强度聚焦超声(HIFU)治疗中的监测问题,在无需引入其他监测源的情况下,通过研究HIFU回波基波与二次谐波的多尺度模糊熵(MFE),提出了一种生物组织变性辨析新方法。HIFU回波信号通过谱减法去噪后,利用信息散度优化的变分模态分解(KLD-VMD)提取其基波与二次谐波分量,然后结合基波与二次谐波的MFE对组织进行变性识别,并使用等错误概率(EER)评价了该方法的有效性。最后,研究还比较了KLD-VMD与VMD、经验模态分解(EMD)和固有时间尺度分解(ITD)等其他分解方法,结合MFE分析了其辨析变性组织的能力。试验结果表明:基于KLD-VMD和MFE的组织变性识别其EER达到5.1%,相较于其他方法表现出了更好的识别效果;结合基波和二次谐波的识别结果比使用单一特征参数更好。该研究为HIFU治疗提供了一种新的监测方法,具有潜在的实际应用价值。

彩色图像的织物组织自动识别

针对基于彩色图像的单层组织识别问题,将二重织物的组织识别问题分解为单组织识别与整合.为了提高单层组织自动识别的精度,运用颜色聚类等方法分割织物样图,并提出了一种经纱分割算法,实现了经纬纱线的准确分割.最后,提出了一个基于织物表面图像的半自动交互式纬二重组织识别方案.实验结果表明该算法是有效的.

船舶溢油应急处置关键组织与联系的识别

为了识别出船舶溢油应急处置中的关键组织和联系,基于组织视角对船舶溢油应急处置流程进行了描述,并给出了关键组织和关键联系的定义。在此基础上,利用社会网络分析法对溢油应急处置中的关键组织和联系进行了识别。结论表明,应急处置中的关键组织主要包括事故船方、应急指挥中心、现场指挥部、巡逻艇和清污队伍,关键的联系主要为事故船方对海事值班室的报告联系,应急指挥中心、巡逻艇、清污队伍和现场指挥部之间的有关应急计划启动和应急方案实施的联系。

基于易语言的毛呢织物组织结构识别

为改善生产过程中人工分析织物组织结构的困境,提高企业对毛呢织物自动识别其组织结构的效率,收集了平纹、斜纹、缎纹类毛呢织物,以棉织物图像预处理技术为基础,采用最大类间方差法(Otsu)、灰度共生矩阵以及模糊聚类算法(FCM算法)等对毛呢织物图像组织特征提取、分类,将经处理的毛呢织物图像与组织库中的组织结构进行比对,得出与之相匹配的组织及概率。最后通过编写易语言程序,实现毛呢织物组织结构分析预测。结果表明:采用易语言对三原素色毛呢织物进行分析,试验所得经纬向密度误差低于5%,织物组织类型与实际组织基本一致,即该方法对常见的毛呢织物组织结构的识别具有一定参考性。

图书馆组织识别系统战略管理研究

本文研究了图书馆组织识别系统的统战略管理,首先分析了图书馆组织识别系统的内容和含义,然后介绍了图书馆组织识别系统的各种功能,最后重点研究了图书馆组织识别系统的实施过程。

一种基于词频统计的组织机构名识别方法

命名实体识别是自然语言处理必不可少的重要部分,其中组织机构名识别占了很大的比例。提出了基于词频统计的组织机构名识别方法。训练数据主要通过百度百科词条整理得到。训练时,利用百度百科词条名在词条文本中的频数统计进行机构构成词的词频统计。在此基础上,构建了数学模型,实现了组织机构名识别算法。该识别算法集成到了中文分词中,取得了较好的识别结果,可以满足一定的实际应用需求。

织物组织自动识别的方法研究

根据手工识别织物组织的原理,通过比较织物组织点与周边组织点宽度信息来对织物图像中的组织点性质进行识别,并利用组织点的排列规律对不易辨认的组织点进行推理确认,形成组织图,实现了对织物组织结构的自动识别。

中文组织机构名称与简称的识别

本文提出了一种基于规则识别中文组织机构全称和简称的方法。全称的识别首先借助机构后缀词库获得其右边界,然后通过规则匹配并借助贝叶斯概率模型加以决策获得其左边界。简称的识别是在全称的基础上应用其对应的简称规则实现的。在开放性测试中,该方法的总体查全率为85.19%,查准率为83.03%,F Measure为84.10%;简称的查全率为67.18%,查准率为74.14%。目前该方法已应用于中文关系的抽取系统。

基于图像分解的织物组织自动识别

利用维纳滤波从水平和垂直两个方向分解织物图像,经过合理的二值化,分别获得包含经纱和纬纱特征信息的子图像,从而计算经纬纱密度等参数.综合子图像的部分信息,可以确定织物组织点的位置,再利用每个组织点区域内经纬向纹理特征,判断织物组织类型.经过对平纹、斜纹、缎纹3种基本组织布样的实验,表明该方法可以很好地识别织物组织类型.

图像处理在机织物组织结构识别中的应用

组织结构是机织物的重要规格参数,目前纺织企业主要靠人工分析来完成这一识别,人工识别不但效率低、精度差,还易受主观因素影响。图像处理具有快速、准确、自动化程度高等优点,用来识别织物组织结构可以大大提高检测效率和客观准确度。文章详细阐述了国内外在应用图像处理技术进行机织物组织结构自动识别的研究现状,并将这些识别方法概括为两类:基于时域的方法和基于频域的方法;并总结了研究存在不足的几个方面;最后指出纺织领域的许多人工检测项目,均可用图像处理来代替,图像处理技术在纺织品检测领域具有广阔的应用前景。

结合多特征的支持向量机中文组织机构名识别模型

以支持向量机(SVM)为基本框架,提出一种结合多特征的支持向量机中文组织机构名识别模型。考虑中文组织机构名的特点,抽取局部特征与全局特征,并将特征向量转化为二进制表示,在此基础上建立训练集。基于1998年《人民日报》语料的实验结果表明,该混合模型对中文组织机构名的识别是有效的。同时基于不同测试数据的实验结果表明,该模型对不同测试数据源具有一致性。

浅谈企业管理战略之组织文化建设——组织形象可识别系统(CIS)

本文概述了现代企业管理战略的前沿课题——组织形象可识别系统的内涵、发展、地位及若干功能,特别分析了业界近年来高度关注的组织形象可识别系统(企业CIS)的构成要素,结合了当今著名企业的相关案例,得出了以下结论:企业的CIS建设是企业管理中文化建设的不可分割的部分,企业的CIS建设有利于树立企业的特色,有利于增强企业的国际竞争力,有利于获得消费者的认同。综上所述,现代化的企业应努力学习世界500强的优秀企业,努力进行企业文化的建设,这样才有利于我国的本土企业赶超世界著名企业。

组织识别与考古学的社会复杂化研究

提出组织识别是复杂化理论的前提,重申复杂化理论在文明起源研究中的关键性。来自现代管理学的复杂化理论先天对于组织识别缺乏敏感性,同时受限制于考古材料,史前社会的组织识别手段匮乏。指出文献、地理单元和考古学文化等组织识别方法的不足,强调聚落群聚理论在组织识别上的重要性。

混合色彩空间与多核学习的色纺织物组织点识别

针对色纺织物组织点参数特征提取困难的问题,建立了基于混合色彩空间与多核学习的色纺织物组织点自动识别算法。首先,将YUV、HSV和Lab 3种色彩空间中具有相同颜色属性的分量通道进行独立融合,并构建混合色彩空间;在此基础上,分别提取色纺织物组织点图像的局部纹理统计特征与三阶颜色矩特征,用于织物组织点特征参数的表征;最后,通过多核学习算法构建支持向量机,实现织物组织点特征的识别。实验结果表明,所建立的色纺织物组织点识别算法,不仅能够对府绸、斜纹与缎纹等典型结构的组织点进行有效识别,而且对于纤维种类、成纱工艺与织物组分的调整也具有理想的鲁棒性与普适性,其平均识别率达到91. 2%。

RS理论在自组织调制识别技术中的应用研究

通信信号处理中最主要的问题是调制样式自动识别,其实质就是通过对输入信号的判别和归类进而理解该信号的结构和属性。本文研究了将粗糙集理论应用于自组织调制识别中的技术。它利用粗糙集理论进行信号的属性约简,求出约简和核;神经网络利用最简决策表构建分类器和提取主要特征参数。二者结合实现了信号自动调制识别,这不仅简化了网络结构和缩短了训练时间,而且也提高了调制信号的分类精度和增强了它的识别效果,以便该技术更好地运用于频谱监测、信号自动接收、实施信号干扰、电子对抗等通信领域。

一种基于改进ELMO模型的组织机构名识别方法

组织机构名识别是命名实体识别的核心任务之一,也是最困难的任务。近年来,预训练模型在中文自然语言处理领域得到广泛应用,预训练的词嵌入模型在中文命名实体识别上取得了非常好的效果,但是在组织机构名识别上还有很大的提升空间。针对这一问题,改进ELMO(embedding from language models)预训练模型,结合双向LSTM神经网络模型和条件随机场模型,去识别组织机构名。对于ELMO的改进,主要通过筛选高频机构词,然后将高频机构词加入中文字典,通过ELMO模型训练生成机构词向量和普通字向量。字向量不用考虑未登录词的问题,机构词向量引入了先验知识,结合起来可以使得生成的字词向量能够更好地表征组织机构名。实验结果表明,预训练模型的数据集相对较小时,该方法比字向量嵌入的方法有更好的效果,F1值提高了1.3%。