基于小波系数聚类的特征提取分类方法

神经网络是一种普遍采用的模式分类方法 ,当对样本的抽样数目较大时 ,神经网络结构复杂 ,训练时间激增 ,分类性能下降 ,针对这一问题 ,提出一种基于快速小波变换特征提取的分类方法 .首先对小波系数矩阵的每行进行聚类 ,表达重要频率范围内小波系数矩阵的行有较多的聚类数 ,从而大大减少了神经网络的输入数 ,而同时保留了有用的信息 .特征提取后 ,采用小波系数的能量值作为特征量 ,应用径向基函数网络识别肺发出的各种不同的声音 ,实验证明

面向对象的配色花纹CAD系统的设计与实现

根据由配色花纹手工确定色纱排列和组织图的特点,采用面向对象和可视化编程的程序设计方法,设计了一种配色花纹CAD系统的实现方法。

基于多尺度数学形态学的边缘检测

提出了一种基于多尺度数学形态学的图像边缘检测方法 ,利用数学形态学在描述灰度图像方面的优势 ,分析了在不同尺度下边缘提取的特点 ,采用非极大值运算方法提取边缘点 ,并与其他形态学边缘检测法进行了比较 ,给出了在含噪条件下边缘提取的实验结果。

ZnS∶Zn,Pb宽带蓝色发光和发光机制

用固相反应法制备了一系列ZnS∶Zn,Pb荧光粉。改变不同的灼烧温度和激活剂的掺杂量,通过对灼烧后荧光粉进行光谱分析,我们发现Pb2+在ZnS基质中的发光与制备条件有关:灼烧温度为800～950℃时,能得到Pb2+在ZnS基质中的蓝色发光。测量了其光致发射光谱、激发光谱,以及灼烧后荧光粉的成分。研究了阴极射线下ZnS∶Zn,Pb荧光粉的相对发光亮度与荧光粉电压的关系,ZnS∶Zn,Pb的相对亮度比ZnS∶Ag,Cl的高,比ZnS∶Zn更高。研究了发光衰减时间与温度的关系,得到了ZnS∶Zn,Pb的蓝色发光可能来源于Pb2+的D波段发射的结论。并对其发光机制进行了一些探讨。这种新型蓝粉可应用于VFD和FED等低压显示屏。

RBF神经网络用于工件边缘特征参数的提取

提出一种基于径向基函数神经网络 (RBFNN)的工件特征参数提取的方法 ,采用了两个径向基函数神经网络 ,利用第一个RBFNN分别求出工件的边缘点pi 邻域内的顺时针边缘与逆时针边缘与x轴的夹角 ,两边缘夹角小的边缘点pi 被认为是具有高曲率的角顶点 .根据工件边缘曲线的特征 ,建立了各种边缘的曲率符号模型 ,用该模型训练第二个RBFNN ,从而识别具有低曲率的切点和拐点及边缘曲线的类型 .采用神经网络的方法提取工件特征参数 。

反向偏压下的异质结聚合物电致发光机理分析

成功制备了结构为ITO/PDDOPV/PPQ/Al的异质结聚合物发光二极管 ,其中PDDOPV是一种空穴型聚合物材料而PPQ是一种电子型聚合物材料 .该器件在正反向偏压下均可发光 .在正向偏压下的光发射主要来自PDDOPV ,但在反向偏压下的光发射则包括来自PPQ的蓝光发射和PDDOPV的黄光发射 .蓝光强度与黄光强度的比值随着反向偏压的增加而增加 .提出了加速电场的概念 ,并在此基础上从理论上分析了蓝光强度与黄光强度的比值随反向偏压的增加而增加的发光机理 ,指出了决定这一比值的主要因素 .

多目标主特征点检测的并行算法

文章提出了一种基于数学形态学的多目标的主点检测方法，介绍了形态学主点检测的原理，并且采用多尺度结构元素同时检测多个目标，提出了一种形态学的填充算法，给出了形态学主点检测的步骤。实验证明该方法能有效地检测出目标的主点，并能实现并行算法。

基于自适应小波的光频数据分类

利用一种基于自适应小波的新方法来减少变量维数且保留最佳的分类信息，即利用 ｍ 带小波变换将原始数据进行特征提取，并给出了一种小波基构造、特征提取及优化分类准则的算法，效果令人满意．

数据挖掘在图像语义检索中的应用

各种基于内容的图像检索算法经过近10a的研究已趋于成熟,但其多用诸如颜色、文理、形状、轮廓等底层特征,缺少高层的语义知识支持,导致检索结果不够理想。本文旨在通过对数据仓库和几种数据挖掘工具的分析研究,探索实现海量的、非结构化的图像数据组织的方法,并选择合适的工具对图像进行挖掘,获得图像语义知识,实现图像自动语义检索。

基于分割图像最大信息量的阈值化算法

简述了目前利用熵的原理对图像进行阈值化分割的几种方法，把图像假设为Ｌ 个符号的信息源，图像的分割类比于数据信号通过有扰信道过程，分割后的图像具有 一定信息量，提出使分割后的图像具有最大信息量的阈值化方法。将图像背景与目标 的条件概率假设为正态分布，利用贝叶斯公式估计出其后验概率，搜索使分割后的图 像具有最大信息量的阈值，比较了新算法与其它基于香农熵算法的特点和分割性能。