1) seismic pattern recognition
地震模式识别
2) seismic identification
地震识别
1.
Study on seismic identification and structure description of igneous rock;
火成岩地震识别及构造描述方法研究
2.
Es~3 salt-structural types of Dongpu depression and seismic identification.;
东濮凹陷沙三段盐构造类型及地震识别
3.
First, with the method of geological analysis and seismic technique, it analyzes the geologic feature of study area, improves the seismic information quality combine with seismic destination process, Second, with the sequence stratigraphy analysis, it defines the distribution of unconformity and stratigraphic trap, establishes the seismic identification modes of stratigraphic trap in layers.
其次,通过层序地层分析,明确不整合面及地层圈闭分布,分层系总结建立了地层圈闭的地震识别模式;在此基础上,重点针对地层圈闭描述中地层尖灭线预测误差较大的难题,设计大量地质模型,利用Gmaplus软件进行正演分析、寻找规律,并结合实际地震地质资料的分析统计,首次提出了地震属性参数预测法、地质统计方法和地震夹角定量外推方法三种研究方法,结合实际地质情况、综合运用,取得了较好的预测效果,解决了地层尖灭线预测不准的难题,从而实现了对地层圈闭的有效预测,完善了地层圈闭预测技术系列。
3) Map pattern recognition
地图模式识别
4) pattern recognition
模式识别
1.
Study and application of pattern recognition and support vector machines in composite optimized design;
模式识别和支持向量机在复合材料优化设计中的研究和应用
2.
Design of the pattern recognition classifier of the spectrum signal of droplet transfer;
熔滴过渡光谱信号模式识别分类器的设计
3.
Distinguishing gas-bearing formation from compact sandstone with pattern recognition;
利用模式识别技术识别致密砂岩含气层
5) model identification
模式识别
1.
A intelligent control algorithm for multi-model systems based on model identification;
一种基于模式识别的多模型系统智能控制算法
2.
Research on model identification in distributed fiber sensor system;
分布式光纤传感器触发模式识别的研究
3.
The main discussion is the application of fuzzy logic in the fire image model identification.
本文主要论述了模糊逻辑在图像模式识别中的应用。
6) mode identification
模式识别
1.
A portable intelligent fault diagnosis instrument for gear box base-on microprocessor and CPLD is introduced on its hardware and software,and statistic mode identification are applied fault diagnosis of gear.
介绍了一种基于单片机和CPLD(复杂的可编程逻辑器件)的便携式齿轮箱故障诊断仪的硬件、软件设计;将统计模式识别理论应用到齿轮故障诊断中;利用小型拖拉机传动系统可靠性试验装置对系统进行验证,取得了良好的效果。
2.
This paper introduces the methods of identifying dynamic state loading,including frequency domain,time domain,and the method based on modern signal processing and mode identification,and analyzes their characteristics.
文章介绍了动态载荷识别的各种方法,包括频域法、时域法和基于现代信号处理和模式识别的几种方法,分析了各种动态载荷识别的特点,指出了各种方法在实际工程载荷识别中存在的问题。
3.
After getting the characteristic vector of fault diagnoses,using three layer advanced BP network,have a research and analysis on some typical fault events, find out that ANN technology can be used in solving the mode identification problems of big turning bearing which have typical fault problem.
通过对大型回转支承振动信号的分析,提出了基于神经网络的典型故障诊断方法,通过提取故障诊断特征向量,利用三层改进 BP 网络对回转支承若干典型故障进行研究和分析,发现神经网络技术能够有效地解决大型回转支承典型故障的模式识别问题。
补充资料："泛魔"识别模型
一种以特征分析为基础的图像识别系统。1959年B.塞尔弗里吉把特征觉察原理应用于图像识别的过程，提出了"泛魔"识别模型。这个模型把图像识别过程分为不同的层次，每一层次都有承担不同职责的特征分析机制,它们依次进行工作,最终完成对图像的识别。塞尔弗里吉把每种特征分析机制形像地称作一种"小魔鬼"，由于有许许多多这样的机制在起作用，因此叫做"泛魔"识别模型。这一模型的特点在于它的层次的划分。
"泛魔"识别模型系统的图像识别共有4个层次(见图)。第一层是执行最简单任务的"映象鬼"，它们只是记录外界的原始形象,正像视网膜获得外界刺激的映象;然后由"特征鬼"进一步分析这个映象。在分析过程中，每个特征鬼都去寻找与自己有关的图像特征。例如，在识别英文字母时，每个特征鬼负责报告字母的一种特征及其数量，如垂直线、水平线、斜线、直角、锐角，不连续曲线和连续曲线等；再由"认知鬼"接受特征鬼的反应，每个认知鬼都从特征鬼的反应中寻找与自己负责识别的图像有关的特征,发现了这种特征时,它就"叫喊"，发现的特征越多，"叫喊"声越大;最后,"决策鬼"根据许多"认知鬼""叫喊"声的大小，选择叫喊声最大的"认知鬼"的反应作为所要识别的图像。
例如在识别字母R时,"映象鬼"先对R进行编码,把信息传递给"特征鬼"作进一步加工,这时会有5个"特征鬼"分别报告图像所包括的一条垂线、两条水平线，一条斜线,3个直角和一条不连续曲线。然后许多"认知鬼"则根据所报告的这些特征及其数量来识别是否是自己负责的字母。这时D、P、R鬼都会有反应，但P鬼只有 4个特征与其符合,并有一特征（斜线）与其不符合；D鬼只有3个特征与其符合,并有两个特征（斜线、直角）与其不符合；只有R鬼有5个特征与其符合,而且这5个特征又包括了R的全部特征，所以R鬼的叫喊声最大，因此"决策鬼"就很容易地作出选择R的决定。
"泛魔"识别模型对于相似的图形也可以分辨，不致混淆；对于失真的图形,如字母的大小发生变化时,识别也不致发生困难。以特征分析为基础的"泛魔"识别模型是一个比较灵活的图像识别系统。它可进行一定程度的学习，如"认知鬼"可逐渐学会怎样解释与它所负责的字母有关的各种特征；它还可以容纳具有其他功能的鬼。这个系统现在也被用来描述人的图像识别过程。
"泛魔"识别模型系统的图像识别共有4个层次(见图)。第一层是执行最简单任务的"映象鬼"，它们只是记录外界的原始形象,正像视网膜获得外界刺激的映象;然后由"特征鬼"进一步分析这个映象。在分析过程中，每个特征鬼都去寻找与自己有关的图像特征。例如，在识别英文字母时，每个特征鬼负责报告字母的一种特征及其数量，如垂直线、水平线、斜线、直角、锐角，不连续曲线和连续曲线等；再由"认知鬼"接受特征鬼的反应，每个认知鬼都从特征鬼的反应中寻找与自己负责识别的图像有关的特征,发现了这种特征时,它就"叫喊"，发现的特征越多，"叫喊"声越大;最后,"决策鬼"根据许多"认知鬼""叫喊"声的大小，选择叫喊声最大的"认知鬼"的反应作为所要识别的图像。
例如在识别字母R时,"映象鬼"先对R进行编码,把信息传递给"特征鬼"作进一步加工,这时会有5个"特征鬼"分别报告图像所包括的一条垂线、两条水平线，一条斜线,3个直角和一条不连续曲线。然后许多"认知鬼"则根据所报告的这些特征及其数量来识别是否是自己负责的字母。这时D、P、R鬼都会有反应，但P鬼只有 4个特征与其符合,并有一特征（斜线）与其不符合；D鬼只有3个特征与其符合,并有两个特征（斜线、直角）与其不符合；只有R鬼有5个特征与其符合,而且这5个特征又包括了R的全部特征，所以R鬼的叫喊声最大，因此"决策鬼"就很容易地作出选择R的决定。
"泛魔"识别模型对于相似的图形也可以分辨，不致混淆；对于失真的图形,如字母的大小发生变化时,识别也不致发生困难。以特征分析为基础的"泛魔"识别模型是一个比较灵活的图像识别系统。它可进行一定程度的学习，如"认知鬼"可逐渐学会怎样解释与它所负责的字母有关的各种特征；它还可以容纳具有其他功能的鬼。这个系统现在也被用来描述人的图像识别过程。
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