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

2.1 模糊集合论 2.1.1 普通集合与模糊集合的基本概念 2.1.2 模糊集合的基本运算 2.1.3 截集与分解定理 2.1.4 模糊集的模糊性与可能性 2.2 模糊模式识别与聚类分析 2.2.1 模式识别方法 2.2.2 聚类分析方法 2.3 模糊综合评价 2.3.1 模糊综合评价的基本概念 2.3.2 模糊综合评价的基本步骤

针对相图模式识别评估,给出了一种新方法来计算预报中间化合物的生成与否和中间化合物的种类以及数量.利用构成二元系相图的纯组分的离子的微观参数(半径和电负性)作为原始变量,经过特征变换和归一化处理,建立判别函数,计算并预报了二价稀土卤化物与碱金属卤化物构成的二元系相图按中间化合物信息进行的结果

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

在本章以及第8章主要介绍图像分析的问题，即着眼于找出图像中哪些事物，也即是模式识别问题，主要从统计模式识别来讲

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：一种基于对数极坐标变换的快速目标识别算法