一个灰度图像的并行分布式识别系统模型

将稀疏分布存贮（ＳＤＭ）概念与单层自适应模式识别系统有机结合所构成的双层通用自适应模式识别系统（ＤＡＰＲＳ），在大维数或非确定性模式数据识别方面有着明显优势。但由于仅具有处理二位模式（图像）的能力，系统的应用受到一定的限制。本文提出了一个新颖的、基于ＤＡＰＲＳ的灰度图像并行分布式识别系统模型，该系统把灰度图像分解成若干子图像并且二值化后，分别提供给对应的ＤＡＰＲＳ进行处理，对图像信息采用了分布式存贮和大规模并行处理技术，最终通过响应综合实现对原始灰度图像的识别。由于系统具有非算法、实时通用的特点，且具有硬件实现的潜力，因而更加接近于工程应用。     

基于灰度图像的积累加权边缘检测方法

研究了基于灰度图像的边缘检测问题,针对传统边缘检测方法对噪声极为敏感的问题,提出了基于灰度图像的积累加权边缘检测方法.该方法采用了积累加权的办法,不仅有效滤除了随机噪声,而且图像细节也得到了很好的保留.理论分析和仿真试验结果表明,该方法抗噪性好,各向同性,实时性好,边缘保持性好.较之传统的模板法,该方法的边缘检测效果更好.     

分布式并行雷达网的抗无人机目标检测模型

针对未来防空领域抗无人机的目标检测问题,描述了雷达组网分布式检测系统中的并行网络结构,对局部判决异步情况下的分布式检测进行了优化设计,并对各部雷达相同情况下的抗无人机目标检测性能进行了分析.仿真结果表明该方法能够大大提高无人机目标的检测概率.     

图像处理技术的车牌识别系统研究

车牌识别系统在汽车运行实践对汽车的智能通行起到了显著的效果,所以积极的推广和利用车牌识别系统现实意义显著。从现实分析来看,车牌识别系统的具体利用会受到多种因素的影响,比如识别符号设计、感应系统等,所以为了更好的应用车牌识别系统,文章对基于图像处理技术的车牌识别系统进行分析与研究,旨在明确系统构成与应用,从而是实际利用提供帮助和指导。     

基于并行灰度级差共生矩阵的图像纹理检测

针对图像纹理检测存在的问题,提出了并行灰度级差共生矩阵方法。首先确定图像灰度级的分布,获得灰度差相关信息作为划分类别的依据;再通过灰度-梯度计算图像灰度值的变化速率;最后确定通道的处理进程与检测像素互联映射,多通道的并行处理事件概率是各单通道联合概率数据互联事件的乘积。实验结果表明,本方法对纹理检测效果清晰。     

灰度值不连续图像的边缘检测方法研究

对灰度值不连续图像的边缘检测方法作了研究，把梯度法，门限法和边缘跟踪法等3种方法分别用于目标图像，进行比较并得出了结论。     

具有分布式并行I/O接口的分布式并行服务器系统的性能研究

分布式并行是多年来的一个研发热点,但其研发仅限于分布式并行系统的内部.服务器和外界(如客户机)的交互仅通过一条通道(如一台计算机)完成,这一瓶颈限制了系统可靠性/可用性,加速比与效率,系统频带和I/O响应速度等.本文提出的具有分布式并行I/O接口的分布式并行服务器使其中的各节点机均可直接与众多客户机交互作用,设计保证80%以上的客户请求均一次直接发往能提供服务的服务器中的节点机,仅有少量请求需要在节点间进行动态负载再调度.这是一种面向宽带的宽带网络服务器.本文的重点是将这种服务器与单机、镜像/双机热备份、群集服务器进行性能比较.结果表明,具有这种I/O接口的分布式并行服务器性能最佳.这种服务器的第一个版本已经研发成功,投入使用,并将进入市场.     

采用灰度加权核函数的动态背景运动目标检测算法

针对动态图像序列中的运动目标检测存在的运算速度慢、虚警率高等问题,提出了一种基于灰度加权核函数的检测算法。算法首先利用图像中的平均梯度最大块实现了图像序列的快速配准,然后将图像分为3232的子块,分别计算每一子块图像的灰度加权核函数（GWK）,利用bhattacharyya系数作为配准后图像对应子块GWK函数的相似性度量,确认灰度加权核函数发生变化的子块,进而完成图像中的运动目标检测。实验结果表明,基于灰度核函数的运动目标检测算法运行速度快,可以有效抑制图像配准误差以及灰度起伏的影响,实时实现运动目标检测,具有较好的实时性和鲁棒性。     

基于局域网上的分布式语音识别系统

近年来随着网络和语音处理技术的快速发展。分布式语音识别（DSR）成为语音处理的一个研究方向，与传统集中语音识别不同的是：它基于Client/Server模型，在Client端进行参数的提取，然后通过信道传送到Server端进行识别，把结果送回到Client端。文中介绍基于LAN所设计的DSR系统。     

灰度掩模并行激光直写系统的总体设计

灰度掩模法是一种新的二元光学器件制做方法。研究了并行激光直写高性能灰度掩模的工作原理，对空间光调制器（SML）、精缩投影物镜和二维气浮平台等关键单元进行了分析，给出了并行激光直写系统的主要技术指标和初步实验结果。     

Handwritten Digits Recognition With Subgroup Neural Network

1IntroductionInrecentyears,theneuralnetworktheoryhascausedgreatintheareaofpatternrecognition.Themainreasonisthattheneuralnetworkhasmanyattractiveadvantages,whencomparedtotheconventionalpatternrecognitionmethods.AmongthevariousneuralnetworkmodelsIthebackpr…     

用于神经网络模式识别的一种改进的BP算法

在对采用BP算法的神经网络进行分析的基础上，针对标准BP算法的不足进行了改进，并给出了通过对作用函数进行修正后所得到的改进BP算法的应用实例。     

语音识别中的神经网络DTW结构

本文介绍语音识别中一种基于动态规划技术的时间规正算法DTW的神经网络实现方法.DTW是语音识别中最为有效的方法之一,它具有较强的鲁棒性且为语音识别系统提供了可能的最高识别率.但由于其计算量太大,除非用专门的硬件,DTW算法在实现时受到了限制.在本文中,所有的计算是由两个循环神经子网和一记忆层来完成的,该方法展示了算法的硬接线结构,(hard-wiring)的优越性,这为DTW的硬件实现提供了一种新的实施策略.     

道路识别系统中的边缘方法及其实时实现

本文提出了一种道路识别系统中基于边缘的快速算法，并给出了其实时实现的方法。我们在分析了Canny算法的优点和不足基础上，结合道路识别的特点，提出一种适合于硬件实现的快速边缘检测算法。最后实时实现了上还算法，其中算法的底层采用基于FPGA芯片的硬件实现。文中还简要讨论了系统中基于区域的算法和两种算法的融合。     

一个基于神经树结构的模式分类系统

目前，广泛应用于解决模式识别问题的方法有：分类树和层次前馈神经网络，本文提出了一种基于神经树结构的模式分类新方法，该方法使用小规模的神经网络作为分类树的节点，提取模式中非线性特征信息，实验结果表明，该方法一方面中以减小分类树用于模式识别产生的误差和分类树中节点的数目，另一方面可以缩短训练神经网络所需的时间。     

一种基于稀疏指数联想记忆神经网络的图像识别方法

区别于一般的图像识别方法,指数联想记忆模型（EAM）是一种对数据分布无任何要求的非线性技术,具有指数级的存储容量和良好的容噪性能。随着实际的需求和被处理问题规模的扩大,EAM所采用的全互连结构将导致布线工艺上的困难而难以克服,限制了模型的VLSI（超大规模集成电路）硬件实现,通过在EAM中引入社会领域中广泛存在的“六度分离”现象,借鉴Watts和Strogatz提出的“小世界网络”理论对EAM进行了稀疏化改造。改造后的稀疏指数联想记忆模型（SEAM）不仅结构相对简单、易于硬件实现,而且仿真结果表明在灰度图像加噪和部分缺失的情况下,SEAM识别性能和全互连的EAM相当,表现出了较强的鲁棒性。     

基于自回归移动平均模型的图像模糊消除并行稳定机制研究

为了克服图像模糊消除算法不稳定与解模糊等难题,保证复原图像的细节信息清晰完整; 并提高算法的运行效率,获取实时性,本文提出了神经网络融合自回归移动平均模型的图像模糊消除并行稳定机制。引入神经网络,基于突触权重系数,构造激活函数;再嵌入人工蜂群算法（ABC- Artificial Bees Colony）,并以神经网络的均方误差函数设计适应度方程,由ABC算法训练神经网络,利用优化后的神经网络来获取自回归移动平均模型的参数;再将自回归移动平均优化模型引入模糊图像,以同时识别模糊函数与模糊图像;并对模糊函数进行相关定义,以消除算法不稳定性与解模糊问题;再对模糊图像进行反卷积,消除模糊。借助仿真实验来测试本文机制的相关性能,结果表明：与其他模糊消除算法相比,该机制的运行速度更快,时耗最短;且本文机制更稳定,模糊消除效果更好,复原图像的细节信息清晰可见。     

一种面向交通标志识别系统的图像识别算法

目前各类面向交通标志识别系统的机器算法大多存在计算复杂度高、实时性差等问题,文中基于ELM模型,加入改进的PCA方法,提出了一种面向交通标志识别系统的PCA-ELM图像识别算法。该算法依次通过HOG特征的提取、改进的PCA方法降维、ELM模型的特征训练,实现交通标志图像的识别。经过实验测试,发现该算法能够较好地兼顾识别率和计算复杂度,符合交通标志识别系统图像识别的准确性与实时性要求,具有一定的实用价值。     

听觉模型用于语音识别以及与一般方法的比较

本文在文献（１）建立的外周听觉系统以及部分中枢听觉神经系统的基础上，建立了一个主意识别器。它由听觉模型作为语音声学前端处理器（即特征提取），由具有ｔｏｎｏｔｏｐｉｃ组织结构的神经网络作为识别分类器。大量实验表明，由该听觉模型提取的特征参数不仅能很好地表示主意区别意义，而且对于噪声环境下的语音特征表示有较好ｔｏｂｕｓｔｎｅｓｓ。语音识别实验表明：在有噪声的情况下，采用听觉模型参数的识别器，其识别率明