本项目做了下述工作并取得相应成果:(1)手写体汉字识别方面:用数学形态学及神经网方法做汉字细化,提取笔划特征及结构特征,用二层神经网从粗到细注意力转移匹配构成识别系统。(2)混沌神经网方面:识别部份缺损信息的模式,字符,构成动态联想记忆模型。深入分析混沌神经元工作状态,混沌吸引子重构及控制。EEG、ECG等时间序列的混沌特征分析与识别。(3)几种模糊神经网络模型的研究,提出新的改进算法,有FKCN(模糊Kohonen类聚网)IAFC(综合自适应模糊类聚),FART(模糊ART),等模型。(4)分形方法图象压缩研究,对灰度图达到58倍,信噪比28db;提出自适应变方块方案,达到74倍,25db。对二值地形图,提出长短线分开方法,达9倍压缩比。予定工作已完成。
{{i.achievement_title}}
数据更新时间:2023-05-31
Ordinal space projection learning via neighbor classes representation
基于纳米铝颗粒改性合成稳定的JP-10基纳米流体燃料
Image super-resolution based on sparse coding with multi-class dictionaries
Phosphorus-Induced Lipid Class Alteration Revealed by Lipidomic and Transcriptomic Profiling in Oleaginous Microalga Nannochloropsis sp. PJ12
Numerical investigation on aerodynamic performance of a bionics flapping wing
基于正交性分析的彩色人脸图象特征提取新方法研究
图象予处理通用接口和超分辨率图象恢复模式识别的研究
基于光谱模型的遥感超谱图象压缩新方法研究
距离图象、强度图象结合作模式识别的研究