模式识别在化合物分类中的应用

本文设计了一个模式识别计算机程序。通过它可以识别无机氯化物是固体还是非固体。本程序根据模式识别原理，应用非线性映射的数学方法，在尽可能保持原样本点之间距离不变的条件下，将6维空间上的样本点映射到2维平面上，从而可以方便地通过视觉直接进行识别和分类。所用特性参数为非氯原子的电负性、电荷与离子(或共价)半径比、电荷、原子半径、第一电离势和电子构型。     

美研究出数据存贮新技术 数据存贮达到原子尺度

美国科学家最近研究出一种用原子笔记录可重写数据存贮新技术。这种技术能在每平方厘米存贮材料上记录相当于3.1万页书的内容(即100亿位数据)。 1986年,科学家发明了一种原子力显微镜(AFM),它可以用极细的探针在固体材料表面改变局部原子位置,形成原子图像,因此也被称为原子笔。最近,美国斯坦福大学ELG实验室的科学家利用这种原子笔,在一种绝缘薄膜表面局部存贮微量电荷,从而实现高密度数据存贮。这种薄膜有三层构造,底层是含有空穴的半导体硅材料,中层为2纳米厚的二氟化     

小波变换在BP神经网络遥感影像模式识别中的应用

通过经小波压缩降噪后的遥感影像,结合Bp神经网络进行遥感影像模式识别,与未经小波变换的BP神经网络进行遥感影像模式识别结果对比,总结出影像经小波变换后对于提高神经网络识别效率有很好效果。     

支持向量分类机LIBSVM方法识别天然地震、爆破与塌陷

对天然地震、爆破及塌陷的波形数据进行小波变换,并用小波转换系数提取香农熵特征,采用支持向量分类机LIBSVM多类模式识别方法对香农熵特征进行分类识别,识别率在80%~95%之间。结果表明,采用LIBSVM对波形特征进行分类的方法可以较好地识别天然地震、爆破与塌陷。     

一种基于最大距离的纯像元指数端元提取算法

在高光谱混合像元分解中,PPI算法是一种比较成熟的算法,但PPI算法中每次投影向量的生成都是随机的,多次执行PPI算法后端元提取的结果并不稳定。本文以线性光谱混合模型的凸面几何学描述为基础,利用端元在高光谱图像特征空间中所形成的凸面单形体端点的特点,提出了一种区别于PPI算法的最大距离纯像元指数方法。选取特征空间中所有样本点的光谱均值作为超球的球心,计算所有样本点到球心的欧氏距离,以等于或大于这个最大距离的长度作为半径,在特征空间中设计一个包围所有样本点的超球面,并在超球面上均匀地选取参考点,针对每一个参考点,在样本点中找出与它距离最远的一个,记录每个样本点成为距离最大点的次数,将其作为评价该像元是否为端元的纯像元指数,从而使得每次端元提取的精度得到保证。最后,利用美国内华达州Cuprite获取的AVIRIS数据对算法进行了验证。实验结果表明,采用本文算法提取的端元精度优于N-FINDR算法和VCA算法,而且鲁棒性较好,克服了PPI算法由于随机生成投影向量所带来的端元提取不稳定性。     

滑坡图像自动识别浅议

识别滑坡须先了解什么是滑坡,广义滑坡包括崩塌、滑坡、碎屑流、泥石流等所有斜坡重力侵蚀现象;狭义滑坡指部分斜坡沿着斜坡内的一个或数个面在重力的作用下作剪切运动的现象。各类滑坡有自已特殊的地表形态特征,发育的基本地质环境条件和触发因素,据这些特征识别滑坡。利用数字滑坡技术进行滑坡识别大致分为2步:(1)通过RS和GIS技术将不同时间的调查区地物现场以不同分辨率展现在数字图像上,并与地理控制及地质环境信息配准、组合,建立解译基础;(2)在滑坡地学理论指导下,通过人机交互方式进行解译和时空分析,获取减灾防灾需要的信息。该方法尚未达到遥感自动识别滑坡的程度,但建立解译基础的过程已可由计算机通过多种程序软件完成,故认为滑坡模式识别的前2个步骤:数字化及预处理已由计算机实现。现需探索的是用计算机实现基于滑坡地学理论知识,以人机交互方式进行的滑坡识别及分析过程。就狭义滑坡而言,基于DEM的滑坡地形识别已可由计算机实现。如能确定地面滑坡壁及滑体与地下滑面、滑床的关系,了解它们的光谱特征并建立计算模型,便可构建遥感技术的滑坡模式识别。     

自学模式识别法及其在航磁异常识别中的应用

本文采用自学模式识别法,把抽象集划分问题转化成数学点集划分问题;并通过数量化理论Ⅲ和Kalma滤液,把数学点集划分过程用核参数δ_i来实现;最后还利用此法对新疆哈密地区几十个航磁异常进行了识别,对识别结果进行地质解释,并阐明了含铜镍超基性岩类的地质、构造及空间展布特征。     

地图模式识别的发展现状

地图模式识别是由计算机来对地图进行识别与理解,并借助一定的技术手段,研究和分析地图上的各种模式信息,获取地图要素的质量意义。其过程类似于人对地图的阅读。它是近年来在地图制图领域中新兴的一门高新技术,是信息时代人工智能、模式     

基于支持向量机的新闻事件类型识别

新闻事件类型识别的核心是文本分类问题,可利用模式识别或者机器学习来解决。互联网中的新闻事件种类多样,各类事件都有不同的结构特征,在自然语言中的表达方式也多种多样,基于模式识别的事件抽取难以覆盖全部的事件表达模式,识别召回率不高。本文使用机器学习方法来进行新闻事件的抽取,设计了词法、句法和语义三类不同类型的特征,并基于支持向量机实现新闻事件的类型识别。支持向量机模型适合解决自然语言这类高维数据的分类问题,能够有效捕捉不同特征之间的分类差异,具有较好的准确率和召回率。     

关于逐点伪轨跟踪性的研究

设X和～X为度量空间,且X是紧致的,f是X上连续自映射,证明了:若fk有PWPOTP(PWPOTP+),则f有PWPOTP(PWPOTP+);满射f有PWPOTP(PWPOTP+)当且仅当由(X,f)生成的逆极限系统(Xf,σf)上转移自映射σf有PWPOTP(PWPOTP+);PWPOTP(PWPOTP+)是拓扑共轭不变性;设f,g分别为X～和X上自同胚(自映射),π∶～X→X为局部等距覆盖映射,且πf=gπ,若有δ0>0,使对x～∈～X和δ>0(δ≤δ0),x～的半径为δ的开球Uδ(x～)连通,且πUδ(x～)为等距映射,则f有PWPOTP(PWPOTP+)当且仅当g有PWPOTP(PWPOTP+);恒等映射id有PWPOTP当且仅当X是完全不连通的。     

地震与爆破波形信号的EEMD多尺度分布熵提取和WOA-SOM神经网络识别研究

针对地震信号中存在大量环境噪声的问题,基于天然地震事件和人工爆破事件建立初始数据集,利用集合经验模态分解（EEMD）技术对波形信号进行分解、降噪,提取出较纯净的各阶本征模态函数（IMF）分量,然后对前10阶分量分别计算分布熵,即EEMD多尺度分布熵,建立神经网络输入矩阵。应用鲸鱼优化算法（WOA）对自组织特征映射（SOM）神经网络参数（竞争层维数、网络训练次数）进行优化,针对不同训练样本寻找对应的最优参数值以改善模式识别的稳定性,从而提高地震识别率。结果表明,EEMD多尺度分布熵结合WOA-SOM模型可有效识别天然地震和人工地震。     

用模式识别方法判别氧化物的溶解性

本文用一种叫作两组判别分析的模式识别方法,对无机氧化物的溶解性进行归类判别。其中用了密度、电负性、荷徑比、原子半徑、电离势、电子构型和主副族等7个指标,45个样本。除2个样本外,其余43个正确归类。     

模糊模式在金矿成矿预测中的应用

通过对焦家金矿田地球化学异常的分析,并以此为基础设计隶属函数,进而建立了模糊模式。根据隶属函数计算的各个元素信息变量的模糊数,把它作为模糊判别指标,然后用贴近度的度量方法与预测区内待识别的模糊判别指标进行识别。应用此方法对水系沉积物中Ａｕ、Ａｇ、Ｃｕ、Ｐｂ四种元素进行模糊模式识别与处理,并在胶东７８００ｋｍ２范围内进行了金矿预测,其中有些贴近度（Ｔ）异常已经得到验证,获得了较好的效果。     

基于NDVI时间序列影像的张掖市农作物种植结构提取

HJ卫星(环境与灾害监测预报小卫星)数据具有较高的时间和空间分辨率,可以有效地进行农作物种类识别,利用其时间序列数据进行作物信息提取具有很大优势。以甘肃省张掖市为研究区,利用2012年4月~2012年10月15个时相的HJ卫星CCD(电荷耦合元件,charge-coupled device)数据,通过分析玉米、油菜、大麦和小麦农作物在整个生长阶段的时间序列NDVI(归一化植被指数,normalized difference vegetation index)变化特点,提取四类农作物NDVI随时间变化的特征曲线,利用决策树分类方法,对2012年张掖市农作物进行分类,并以外业调查得到的实际地面验证点对分类结果进行验证。验证结果表明,可以有效地识别玉米、油菜、大麦和小麦4类农作物,制图精度分别为94.74%、82.35%、78.95%和90%;总体分类精度达到86.43%。而后提取了张掖市2014年农作物种植面积和分布格局,通过对比分析发现,2012~2014年,张掖市玉米、油菜的种植面积有不同程度的增加,大麦和小麦的种植面积各有一定程度的较少。可以为张掖市主要作物的种植结构调整提供科学依据,还可以为黑河流域农作物信息提取研究提供参考。     

具有向量值范数的向量空间上的一类不动点定理

在具有向量值范数的实向量空间上，通过引入一个定义在向量格上的特殊映射来讨论压缩映射，并证明相应的不动点定理。     

倾斜摄影三维模型数字水印算法

倾斜摄影三维模型作为一种地理数据,其数据安全问题不容忽视,数字水印技术可以为其版权保护提供有效的解决方案。本文基于倾斜摄影三维模型数据特征,根据其垂直方向上的稳定性,提出了一种基于距离映射机制的三维点云数据盲水印算法。首先,提取倾斜摄影三维模型中的点云并对其按照高度值排序;其次,将点云间相邻点的高度差作为信息载体,利用映射思想建立水印信息与水印嵌入位置的对应;最后,通过修改坐标值的奇偶性完成水印信息的嵌入。检测水印时通过顶点提取、排序、水平距离与水印位的映射和统计相邻点水印嵌入位置的奇偶性实现水印信息的提取。实验表明,该算法具有良好的不可感知性,并对平移、裁剪和旋转等常见攻击具有较强的鲁棒性。     

探地雷达管道参数自动提取方法

在利用探地雷达进行隐埋管道探测时,管道对应的反射波在剖面上表现为类似双曲线的形态,利用该管道反射波可以确定管道位置和管道半径等参数。为了能自动提取出管道参数,提出了一种结合广义二次相关求管道反射波时差、Ｈｏｕｇｈ变换求到时和最小二乘曲线拟合的管道参数自动提取方法。对实验数据的处理结果表明:在没有任何先验信息的情况下,该方法可以自动、准确地从探地雷达剖面上提取出隐埋管道的位置和半径参数。      

BP网络及其在遥感图像分类中的应用

BP网络分类方法是一种新的模式识别方法,在遥感图像分类识别处理中有良好的应用前景。文章在阐明BP网络组成的基础上,介绍了BP网络的遥感图像分类过程,指出应注意的一些问题,并分析了其应用效果。     

回归支持向量机在区域高程异常拟合中的应用

一、引言 上世纪90年代, Vapnik等人通过对机器学习的深入研究,将Vapnik本人创立的统计学习理论（Statistical Learning Theory,SLT）即有限样本学习理论,及相关概念-VC维（VC Dimension）、结构风险最小化准则（ Structural Risk Minimization, SR M）、核函数（ Kernel Function）引入到机器学习领域,提出了有限样本学习条件下,解决模式识别、回归分析问题时,通过黑箱模型建立“输入”和“输出”的“泛函”关系,并且使得模型具有较强“泛化”能力的支持向量机（Support Vector Machine,SVM）模型。空间高程异常拟合计算模型是以有限数量的已知点的大地经纬度（B,L）作为已知的输入量,空间点位的大高与该点的水准高的差值（H大地高-h水准高）作为输出量构成的分析样本,通过机器学习建立空间点位的大地经纬度（B,L）和该点高程异常值之间精确的“黑箱”关系,应用于空间样本点区域范围内及周边区域高程异常空间变化求解。     

强震前短水准异常的模糊识别及其特性分析

本文利用模糊模式识别的直接方法处理了1975年海城7.3级地震,1976年唐山7.8级地震和1989年大同6.1级地震前震中及其周围地区的短水准观测资料,取得了较好的效果。该方法具有排除干扰和提取地震异常的功能,且物理意义清楚,计算简便,可以作为观测数据处理的一种常用方法。用模糊识别对唐山和大同地震前短水准异常分析后,发现震中位于高异常从属度区附近,且前兆异常的出现与地震活动异常有良好的相关性,震前还有明显的异常频次峰值。