图象处理与模式识别技术在海图数字化中的应用

本文介绍了一种应用图象处理与模式识别技术进行海图数字化的软件系统方案。将海图用图象扫描仪输入计算机，得到图象数据，经预处理，自动识别，配合人机交互式修改和补充，生成矢量化海图数据库。该数据库存储量小，灵活性大，并避免了Ｘ－Ｙ数字化仪引入操作误差和劳动强度高的缺点。     

一种有效的非连通域轮廓跟踪算法

本文将T.pavlidis发展的连通域轮廓跟踪算法与图形分割算法相结合，发展了一种对任何复杂图形均有效的非连通域轮廓跟踪算法，并用于文字识别的预处理。文中还指出了T.pavlidis算法存在的缺陷，同时作了若干改进。     

实时光学非线性联合变换相关运动目标跟踪研究

利用高对比度液晶光阀对联合功率谱进行非线性处理，实现了实时非线性联合变换相关，以此非线性联合变换相关器为核心，构成光电混合自适应运动目标跟踪系统，完成了对尺度，旋转等有连续畸变变化的运动目标的跟踪实验研究，本文给出非线性联合变换相关的实现方法，运动目标跟踪原理和跟踪实验结果。     

直觉模糊多特征融合目标类型识别模型

应用直觉模糊集完整描述目标识别特征与类型关系之间的模糊性和犹豫性,建立基于最大隶属原则的直觉模糊多特征模式识别的一般识别模型;针对战场目标类型识别问题中特征值不完全和识别特征之间独立的特点,定义了识别特征值识别价值测度和直觉模糊动态熵权,进而建立了基于最大隶属原则和动态熵权的多特征直觉模糊目标类型识别模型;通过应用实例计算与对比,说明提出的模型是有效的;所建立的模型对空中目标类型智能识别具有一定参考价值。     

协同计算机的简单模型

本文利用现有文献对模式形成的分析,提出一个协同计算机的简单模型,它可直接应用于内容定址存贮器和模式识别过程,为自动化和机器人的新发展提供了依据。     

一种邮政编码自动识别系统

利用数字图像处理技术对目标对象的自动识别原理，通过模糊识别邮政编码，实现信件分拣自动化，实验结果表明，该系统分拣效率达5件／s以上，误拣率约5％，可提高邮政信件分拣效率，加快邮件传递速度。     

基于HMM在电机故障诊断上的研究

提出一种基于隐马尔可夫模型的方法用于故障的诊断与检测,该方法采用HMM与模式识别相结合的方法,通过对电机的电压电流信号进行特征提取和分析,构建电压电流空间模型,并且每个模型可以作为一级,每一级可以提高其判断的准确度,而HMM模型用做一个故障分类器来使用,相比于自适应模糊推理方法（MLFF）和多层前馈网络法（ANFIS）,其准度有了很大提高,并且减少了计算。通过对不同故障诊断实例阐述了基于HMM的故障诊断方法的有效性和可行性。     

ART—2神经网络分类器的研究

ＡＲＴ神经网络是按照自适应谐振理论建立的一种自组织的人工神经网络。西方通过ＡＲＴ神经网络的结构，发现其用于模式识别中有很好的在特性人工晴天 数据处理过程中有部分数据量丢失的现象，也就是说，非常重要的幅度信息没有被考虑到，本文提出一种新的结构和相应的新算法，并成功地把这种结构算法用到分类器设计中。