结合特征学习的粒子群求解极小碰集方法

基于模型诊断中的极小碰集问题是人工智能领域的一个重要课题,现实中很多实际问题都可以转化为极小碰集问题,如老师与课程问题,极小覆盖集问题等.通过对极小碰集问题特征的研究,本文结合粒子群优化求解极小碰集的算法提出了一个新的算法,来指导极小碰集的求解:引入学习机制,减少极小碰集求解中对无解空间的搜索;加入翻转策略,来加速极小碰集有解空间中的求解.实验结果表明本文提出的算法在求解极小碰集问题上的效率有明显提高.     

一种新的混沌序列扩频水印算法

提出了一种新的混沌序列扩频水印算法。该算法将混沌序列应用于水印嵌入算法的三个不同环节：水印密文的产生、子图像的选取以及DS-CDMA伪随机码的产生，使得混沌序列适用于噪声调制的统计特性得到充分应用。水印的提取利用了相关性检测。实验结果表明，该算法对于常用的信号处理攻击和几何变形攻击具有较高的鲁棒性。     

结合问题特征利用SE-Tree反向深度求解冲突集的方法

基于模型诊断是人工智能领域内的一个重要研究方向,求解极小冲突集在基于模型诊断中有着重要应用.在对结合CSISE-Tree求解冲突集方法深入研究的基础上,根据冲突集求解特征重构了结合枚举树的计算冲突集的过程,提出基于深度优先反向搜索求解冲突集的方法.针对CSISE-Tree方法求解时占用内存空间与元件总数指数级相关的缺点,构建反向深度搜索方法减小求解时所占用内存空间;针对CSISE-Tree方法不能对部分非极小的冲突集进行剪枝的问题,给出对非冲突集和更多非极小的冲突集进行剪枝的方法,有效减少了求解时调用SAT(Boolean SATisfiability problem)求解器的次数;实验结果表明,与CSISE-Tree方法相比,本文提出的方法求解效率有明显的提升,并避免了求解时的内存爆炸问题.     

用无需选取参数的Unit-linking PCNN进行自动图像分割

脉冲耦合神经网络（PCNN-Pulse Coupled Neural Network）是一种有生物学依据的人工神经网络，它可有效地用于图像分割。基于PCNN的图像分割效果取决于PCNN中各参数的选择。然而，图像分割时，各种不同的图像对应的PCNN参数是不同的，而PCNN参数的选择是困难的。本文提出了一种基于Unit-linking PCNN的图像分割新方法，解决了PCNN图像分割参数选择的难题。用本文提出的新方法可有效地自动分割各种图像，而无需考虑PCNN参数的选择，这对于PCNN的理论研究和实际应用有重要的意义。     

基于分割窗的无监督多通道遥感图像变化检测

在遥感图像中,当变化区域的面积比例相对较大或较小时,一般的变化检测方法并不能准确地检测出变化信息。针对这一问题,本文提出一种基于分割窗的无监督多通道遥感图像变化检测方法。该方法将差异图像分割成子图像,通过求子图像的局部阈值来确定差异图像的整体阈值。实验结果表明,该方法能较好地解决变化区域相对较大或较小时一般变化检测方法无法进行准确的变化检测的问题,相对于一般变化检测的方法,检测精确度明显提高。     

一种基于图像DC系数的多比特水印

提出了一种新的多比特水印算法。该算法把基于图像自身的水印信息嵌入到图像的DC系数中,通过视觉模型控制DC系数的改变程度,在保证水印不可见性的同时,提高了水印的鲁棒性。为实现水印的盲检测,采用Gold码序列对水印信息进行了扩频。在检测阶段,充分利用Gold序列良好的相关性恢复出水印。应用所提出算法,把水印信息嵌入到一幅512×512的灰度图像中。实验表明,该算法对常规信号处理攻击和几何攻击具有很强的鲁棒性。     

基于自适应RBFN阵列的说话人识别

提出一种可用于说话人识别的自适应RBFN阵列。RBF网设计的核心在于确定网络中心的数目及位置，该自适应算法有效地融合了IOC与ROLS算法的优点，不仅能动态调节RBF网的隐节点数，还能使网络的数据中心自适应变化，很好地优化了网络的结构。用与文本无关的闭集说话人识别系统对该算法进行了验证，实验结果表明，该方法与传统的RBF算法相比，自适应RBF网具有较好的鲁棒性以及精简的网络结构等优点。     

神经网络中将任务学习与模型学习相结合的E-H和E-H-W学习方法

本文从获取好的神经网络泛化能力出发,首先提出了将Hebbian学习与增加问题复杂性统一起来的思想,并通过在总的误差函数中增加一限制函数来实现Hebbian学习.基于此,提出了一种将误差驱动的任务学习与Hebbian规则的模型学习相结合的E-H方法.然后,根据模型学习应同时考虑减小网络复杂性和增加问题复杂性的思想,又提出了一种将误差驱动的学习与Hebbian规则、简单的权退化法结合起来,共同来提高神经网络的泛化能力的E-H-W方法.最后通过大量实例仿真将它们与纯误差驱动的方法、权退化法、其它文献中的相关方法进行了比较.结果表明我们的方法具有最好的泛化能力,是很有效的神经网络学习方法.     

印制板组件的三防涂覆及其去除工艺

对于特殊环境条件下使用的电子产品,三防涂覆可以对印制板组件进行有效的防护.主要介绍了印制板组件的三防涂覆和涂覆后涂层的去除,从涂覆材料的选择到如何正确地实施涂覆工艺以及涂覆过程中的相关注意事项,再到涂覆后如果需要返修,返修过程中如何快速、安全地去除涂层的实用工艺过程.