摘要：研究非线性连续联想记忆神经网络的渐近稳定性，得出几个定理．在此基础上，提出了一种优化设计方法，并给出了理论证明．目前已有的若干结论是本文所得定理的特例．

摘要：本文通过定义一种新的能量函数,分析了Hopfield型神经网络的渐近稳定性与联想记忆问题,得到了四组保证网络平衡点是渐近稳定平衡点的充分条件,应用这些条件,便可设计联想记忆神经网络。文中给出了应用这些结论设计联想记忆神经网络的实验结果及分析。

摘要：最近Melnik提出了一种新的排序层分类器融合思想,指出在分类器融合过程中既要调节对不同分类器的侧重程度,又要利用不同序号值提供的置信度信息.但是在Melnik提出的融合方法中,参数数量随着分类器数量的增加呈指数级增长,在分类器数日增加时会产生维数灾难问题.在Melnik的思想启发下,本文提出了一种新的融合方法,该方法将对序号的变换与分类器的加权组合协调起来,能够更好地实现Melnik提出的目标.另外,本文给出了一种用连续可微函数表示的分类错误率表达式,设计了基于梯度下降的参数调节方法.在实验中本文设计了融合掌纹图像数据和手指图像数据的多模态身份识别系统,观察了不同数日分类器条件下的融合效果.实验结果表明本文方法的分类正确率高于传统方法和Melnik的方法.

摘要：本文分析了单干扰和多干扰情况下LMS自适应阵、最大SINR自适应阵和方向约束自适应阵,得到了统一的SINR表达式和SINR与MSE的关系式,由此提出了一套完整统一的阵列优化设计方法。

摘要：用非线性方法解决多分类器融合问题能够取得比较高的识别率,但是,当前被应用在多分类器融合领域中的非线性方法可理解性较差,给使用者带来一定的困难。而基于模糊规则的模式识别方法是一类可理解性好的非线性方法,但迄今为止还没有被应用于多分类器融合问题中。基于上述考虑,该文将模糊系统应用到多分类器融合中,并且研究了如何设计可理解性好、精度高的模糊系统的问题,提出了一种改进的基于支持向量的模糊系统设计方法。该方法在从ELENA项目数据库和UCI数据库中选出的4个数据集上进行了测试。实验结果表明,该方法能够用可理解性好的模糊系统实现低错误率的多分类器融合。

摘要：三维形状分割是三维形状分析中的一个重要问题.为了使分割结果能适应非刚体丰富的姿态变化,提出一种基于扩散几何的三维网格分割方法.该方法采用波核特征的局部极值点作为非刚体网格模型表面的显著特征点;进而将显著特征点作为初始聚类中心,采用K-均值聚类算法来获得分割结果.实验结果表明,文中方法不仅对处于不同姿态的非刚体三维形状具有良好的分割一致性,而且对噪声、孔洞等具有较好的鲁棒性.

摘要：本文在已有论文的基础上进一步研究多干扰情况下的自适应阵列优化设计问题.本着实用的原则,详细讨论了阵元间距的确定问题,得到了有关的优化设计准则.

摘要：本文分析了两种最基本的自适应阵——LMS 自适应阵和 HA 自适应阵,从自适应过程、自适应稳态解、自适应目标的关系及优化设计方法等方面揭示了两种阵列在本质上的一致性,由自适应目标的关系,我们便可把 HA 自适应阵列优化设计的研究结论推广到 LMS 自适应阵列的优化设计中来,文中给出了有关的重要结论.

摘要：拉班舞谱是一种用于记录人体动作的符号记录体系,它是保护、继承和传播民族民间舞蹈及其他动作艺术的有力工具.目前,拉班舞谱的获取主要依靠专业人员手工记录,效率较低.本文基于三维人体运动捕捉数据,通过识别与拉班符号相对应的元素动作,提出了一种自动生成拉班舞谱的方法.方法的主要部分包括运动分割和元素动作分析.在运动分割中,利用速度阈值方法将人体运动捕捉数据分割成与舞谱符号对应的元素动作片段.然后,将动作片段与拉班舞谱的节奏相匹配,从而确保生成的舞谱符号更加规范和准确.在元素动作分析中,拉班舞谱将动作区分为支撑动作和非支撑动作,考虑到两类动作性质不同,因此本文采用两种方法分别对支撑与非支撑动作进行有针对性的分析.实验表明,本文的方法实现了将运动捕捉数据表示的舞蹈动作转换为数字化的拉班舞谱,并且自动生成的效率远高于手工记录.所以该方法可以快速记录濒临失传的民族舞蹈,为保护和传承动作类非物质文化遗产做贡献.

摘要：基于局部分类精度设计多分类器系统能够有效地提高分类正确率．目前流行的动态分类器选择方法不能充分利用各个基本分类器的信息．在动态分类器选择方法中，局部分类精度最高的基本分类器决定最终的分类结果，其他基本分类器的信息被忽略．提出了一种将局部分类精度变换为分类置信度的方法，从而可以利用度量层分类器融合方法对得到的置信度进行融合．与动态分类器选择方法相比，度量层分类器融合方法能够利用更多的信息，从而能够取得更高的分类正确率．ELENA数据库、UCI数据库和DELVE数据库上的大量实验表明，新方法在分类正确率方面超过动态分类器选择方法大约0．2％～13．6％．