说明:双击或选中下面任意单词,将显示该词的音标、读音、翻译等;选中中文或多个词,将显示翻译。
您的位置:首页 -> 词典 -> 多级模糊模式识别
1)  multipolar fuzzy pattern recognition
多级模糊模式识别
1.
Application of multipolar fuzzy pattern recognition based on mixed attribute to water quality evaluation;
基于混合属性的多级模糊模式识别在水质评价中的应用
2.
The paper sets up a model of multipolar fuzzy pattern recognition,and applies it to the classification and assessment of water quality in Fenhe river,the results show that this method is reasonable and practicable.
应用多级模糊模式识别模型进行水质量分类评价,克服了最大隶属度原则所不适用的地方,而且以相对隶属度、隶属函数为基础理论,使隶属度、隶属函数的计算更容易。
3.
This paper brings forward a type of improved multipolar fuzzy pattern recognition method on the basis of the multipolar fuzzy pattern recognition model.
多级模糊模式识别模型的基础上 ,提出了一种改进的多级模糊模式识别方法。
2)  multi-classification fuzzy pattern recognition
多级模糊模式识别
1.
A new traffic state evaluation approach based on probe vehicle and multi-classification fuzzy pattern recognition was discussed.
针对道路交通状态评价问题提出了一种基于移动交通流检测信息和多因素模糊模式识别模型的道路交通状态评价方法,利用移动交通流检测技术获取的探测车平均速度、拥堵系数、停车时间比例、加速度噪声和平均速度梯度作为交通拥堵表征量,采用VISSIM仿真方法确定出交通拥堵表征量的阈值,并应用多级模糊模式识别方法实现道路交通状态的评价过程。
2.
For the second point,multi-classification fuzzy pattern recognition is applied in traffic state evaluation processing.
提出了一种新的多因素道路交通状态评价方法,利用探测技术获取的探测车平均速度、拥堵系数、停车时间比例、加速度噪声和平均速度梯度作为交通拥堵表征量,采用VISSIM仿真方法确定出交通拥堵表征量的阈值,并应用多级模糊模式识别方法实现道路交通状态的评价过程。
3.
Appraisement indices of PGIS analysed and put forward were multi-classification fuzzy pattern recognition method was introduced into parking PGIS s appraisement,a basic theory of this method was explained in details,and an application study shows this method s steps.
分析并归纳了城市停车诱导系统的评价指标,将多级模糊模式识别方法引入到对停车诱导系统的评价中来,详细介绍了该方法的基本原理,并通过实例说明了方法应用的具体步骤。
3)  multi-grade fuzzy pattern recognition model
多级模糊模式识别模型
4)  multilevel fuzzy pattern recognition
多级模糊识别
5)  Dual_Grade Fuzzy Pattern Recognition Model
两级模糊模式识别模型
1.
Development and Application of A Dual_Grade Fuzzy Pattern Recognition Model on Functional Assessment of Wetlands;
湿地功能评价两级模糊模式识别模型的建立及应用
6)  multi-classification fuzzy pattern recognition model
多级模糊识别模型
补充资料:模式识别
      应用计算机对一组事件或过程进行鉴别和分类。所识别的事件或过程可以是文字、声音、图像等具体对象,也可以是状态、程度等抽象对象。这些对象与数字形式的信息相区别,称为模式信息。模式识别所分类的类别数目由特定的识别问题决定。有时,开始时无法得知实际的类别数,需要识别系统反复观测被识别对象以后确定。
  
  模式识别与统计学、心理学、语言学、计算机科学、生物学、控制论等都有关系。它与人工智能、图像处理的研究有交叉关系。例如自适应或自组织的模式识别系统包含了人工智能的学习机制;人工智能研究的景物理解、自然语言理解也包含模式识别问题。又如模式识别中的预处理和特征抽取环节应用图像处理的技术;图像处理中的图像分析也应用模式识别的技术。
  
  决策理论方法  又称统计方法,是发展较早也比较成熟的一种方法。被识别对象首先数字化,变换为适于计算机处理的数字信息。一个模式常常要用很大的信息量来表示。许多模式识别系统在数字化环节之后还进行预处理,用于除去混入的干扰信息并减少某些变形和失真。随后是进行特征抽取,即从数字化后或预处理后的输入模式中抽取一组特征。所谓特征是选定的一种度量,它对于一般的变形和失真保持不变或几乎不变,并且只含尽可能少的冗余信息。特征抽取过程将输入模式从对象空间映射到特征空间。这时,模式可用特征空间中的一个点或一个特征矢量表示。这种映射不仅压缩了信息量,而且易于分类。在决策理论方法中,特征抽取占有重要的地位,但尚无通用的理论指导,只能通过分析具体识别对象决定选取何种特征。特征抽取后可进行分类,即从特征空间再映射到决策空间。为此而引入鉴别函数,由特征矢量计算出相应于各类别的鉴别函数值,通过鉴别函数值的比较实行分类。
  
  句法方法  又称结构方法或语言学方法。其基本思想是把一个模式描述为较简单的子模式的组合,子模式又可描述为更简单的子模式的组合,最终得到一个树形的结构描述,在底层的最简单的子模式称为模式基元。在句法方法中选取基元的问题相当于在决策理论方法中选取特征的问题。通常要求所选的基元能对模式提供一个紧凑的反映其结构关系的描述,又要易于用非句法方法加以抽取。显然,基元本身不应该含有重要的结构信息。模式以一组基元和它们的组合关系来描述,称为模式描述语句,这相当于在语言中,句子和短语用词组合,词用字符组合一样。基元组合成模式的规则,由所谓语法来指定。一旦基元被鉴别,识别过程可通过句法分析进行,即分析给定的模式语句是否符合指定的语法,满足某类语法的即被分入该类。
  
  模式识别方法的选择取决于问题的性质。如果被识别的对象极为复杂,而且包含丰富的结构信息,一般采用句法方法;被识别对象不很复杂或不含明显的结构信息,一般采用决策理论方法。这两种方法不能截然分开,在句法方法中,基元本身就是用决策理论方法抽取的。在应用中,将这两种方法结合起来分别施加于不同的层次,常能收到较好的效果。
  
  模式识别的应用  模式识别可用于文字和语音识别、遥感和医学诊断等方面。
  
  ① 文字识别:专门识别文字的设备称为光学文字阅读机(见图)。它的作用是使计算机能直接阅读文字和数据,而免除人工按键输入步骤。邮件分拣也是一个重要的应用方面。计算机能较准确地识别印刷的(或规整手写)西文字母和数字,但汉字和草写字符的识别尚未完全解决。被识别的文字通过信号接收和前处理,变成数字信息,通过特征抽取再与识别字典相比较而得出识别结果。
  
  
  ② 语音识别:用于向计算机输入命令和数据。计算机能较可靠地识别数百个单音,但是连续语音识别问题尚未完全解决。
  
  ③ 遥感:遥感图像识别已广泛用于农作物估产、资源勘察、气象预报和军事侦察等(见遥感技术)。
  
  ④ 医学诊断:在癌细胞检测、X射线照片分析、血液化验、染色体分析、心电图诊断和脑电图诊断等方面,模式识别已取得了成效。
  

说明:补充资料仅用于学习参考,请勿用于其它任何用途。
参考词条