利用K均值聚类和增量学习算法扩大训练样本规模,提出一种改进的mRMR SBC.一方面,利用K均值聚类预测测试样本的类标签,将已标记的测试样本添加到训练集中,并在属性选择过程中引入一个调节因子以降低K均值聚类误标记带来的风险.另一方面,从测试样本集中选择有助于提高当前分类器精度的实例,把它加入到训练集中,来增量地修正贝叶斯分类器的参数.实验结果表明,与mRMR SBC相比,所提方法具有较好的分类效果,适于解决高维且含有较少类标签的数据集分类问题

一、随机信号基本概念 二、信号的幅值域分析 三、相关分析及其应用 四、功率谱分析及其应用

§ 避免绝对值小的数作除数 § 避免两个相近的数据相减 § 要防止大数“吃掉”小数 § 尽量减少计算工作量 § 选用数值稳定性好的算法

鉴于人脸与人耳两种生物特征在图像获取上的相似性以及生理位置上的互补性,提出一种人脸-人耳多模态融合模板保护方法,将两者在特征层进行融合,然后利用模糊保险箱算法对融合模板进行保护.该方案基本流程分为五部分:图像预处理、Gabor-PCA特征提取、特征融合、融合模板加密以及融合模板解密.在由ORL人脸库和USTB人耳库3构成的人脸-人耳多模态图像库上的认证实验结果表明所提模板防护方法的有效性,且基于融合模板保护的认证结果比基于单模板保护的认证结果在识别率和误识率上均有所优化

模式识别的三大核心问题： •特征数据采集与预处理 •分类识别 •特征选择与提取 分类识别的正确率取决于对象的表示、训练学习和分类识别算法，我们在前面各章的介绍中详细讨论了第二方面的内容。本章介绍的特征提取与选择问题则是对象表示的一个关键问题

采用矢量控制的感应电动机,其控制性能与它激直流电机类似,用这种控制方法,电机的转矩电流分量和磁通电流分量可实现解耦控制。本文讨论矢量控制系统的鲁棒性。针对前馈矢量控制系统中由于电机参数与速度检测小误差造成磁场定向错误,提出了一种新的自适应校正策略,该策略采用PRBS在线辨识技术,算法简单,不需要额外的传感器。最后给出了系统实现及实验结果

• 一、研究区简介 • 二、实验数据采集及预处理 • 三、反演物理模型 • 四、物理模型 • 五、实验步骤 • 六、实验结果 • 七、结果分析 • 八、存在的问题 • 九、主要参考文献

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

针对梯度功能材料(FGM)制备过程的复杂性,提出了利用神经网络信息处理机制进行制备材料的特性预估;实例分析表明,这一方法是有效的.同时,针对BP学习算法速度较慢,易陷入局部极小的缺点,改用函数型连接网络来提高学习速度.试验表明学习速度提高显著

一、理想滤波器 二、常见滤波算法 三、高通/低通滤波器 四、带通/带阻滤波器 五、选频网络