针对生产工况实测数据不能覆盖整个数据空间的现象,提出了一种基于统计空间映射的自学习模式识别方法.通过实测数据的仿真实验验证了该方法的有效性

对神经网络和传统模式识别技术的基本原理和应用特点进行比较.根据已有烧结合成O'-Sialon的实验数据,利用改进后的人工神经网络,构筑了材料相组成及性能的预测模块,并与模式识别技术处理得到的结果进行了比较.在此基础上,探索了合成O'-Sialon-BN复合材料的工艺条件,并通过实验结果进行了验证

对于那些无法用数学方程式表述的复杂生产过程,提出一种基于模式识别原理的智能自动化新方法.该方法的基本点在于:从信息的角度出发,采用特征变量来描述过程工况,再用时间序列分析法建立预测模型,从而实现工艺最优化.还介绍了专门为此目的研制的红外线CCD热成像装置,并给出了建立预测模型的神经网络算法

前面主要介绍的是各种分类器的设计方法，实际上我们已经完全可以解决模式识别的问 题了。然而在实际应用中，在分类器设计之前，往往需要对抽取出的特征进行一下处理，争 取尽量减小特征的维数。在实践中我们发现，特征的维数越大，分类器设计的难度也越大

一.模式识别的概念 在人类科学技术的发展历史中，人们总是力图使用某种机器来扩展人类自身的能力，例 如：蒸汽机和电动机—体力，火车和飞机—行走，望远镜和显微镜—视力。那么计算机则是 部分的扩展了人类的职能。 “机器智能”，机器智能系统应该包括三个部分：

机器感知与模式识别：一种局部加权的二维主成分分析算法及其在人脸识别中的应用

机器感知与模式识别：基于QR分解的鉴别维数压缩及其在人脸识别中的应用

机器感知与模式识别：基于局部异常行为检测的欺骗识别研究

机器感知与模式识别：一种基于噪声对消与倒谱均值相减的鲁棒语音识别方法

机器感知与模式识别：基于局部SVM分类器的表情识别方法