找到17项技术成果数据。
找技术>-
基于模式识别的图像档案检索系统
成熟度：-
技术类型：-
应用行业：信息传输、软件和信息技术服务业
技术简介
安信数字档案管理系统是一款高效地将纸质档案转化为电子档案，并进行数字化管理的工具软件。该系统通过与用户需求的紧密结合，实现文档处理与管理的自动化、流程化，实现海量的档案高效的数字化、信息化、智能化管理。该系统的突出特点在于将模式识别技术应用到了对图像类型的识别和对表格内容的自动提取。系统集档案的采集、存贮、追加、查询、修改、删除、打印、统计、管理等功能于一体的管理系统，该系统利用图像处理技术，配以数据库技术和网络技术，能够对大量纸质文档即时采集、录入、以数字图像格式存储管理，彻底实现了纸质档案管理向电子化管理的转变。以满足政府机关、档案局(馆)、工商、税务、司法、交通、教育、房地产、金融、通信、电子等企事业单位档案管理工作的需要。
-
模式识别技术进行产品缺陷检测
成熟度：通过中试
技术类型：-
应用行业：科学研究和技术服务业
技术简介
对于企业来说，产品质量是企业的生命，而几乎任何产品都不可避免的存在缺陷。因此，任何企业要想保证产品的质量，都必须进行产品缺陷检测，避免缺陷产品流入市场，给企业的声誉带来不可估量的损失。传统的缺陷检测，主要方法有：肉眼观察法、渗透检测法、磁粉检测等。目前比较常用的方法有：超声波检测法、涡流检测、射线检测法等。各种无损检测方法，都各有其适用范围和局限性，因此有新的检测方法被不断地开发出来，其中包括红外线、X 射线成像检测、康普顿散射成像检测、超声全息检测、太赫兹检测等。任何缺陷检测问题都可以转化为一个模式识别问题，利用模式识别的理论方法进行缺陷检测。 应用情况：基于模式识别的缺陷检测技术可以对产品内部及表面的孔洞、 疵点、脏 /污点、水滴/油滴印记、条纹、破损、边缘裂缝、漏涂、皱折、刮痕、 暗斑、亮斑、边缘破损、黑点、尘埃等常见缺陷进行检测。该技术能广泛应用于金属板、管、机械零件、无纺布、薄膜、纸张、玻璃、钢材等行业。
-
基于流媒体技术的视频监控与模式识别系统
成熟度：-
技术类型：-
应用行业：信息传输、软件和信息技术服务业
技术简介
该项目的成果可以应用于各种图像分析处理应用。包括图像压缩、图像增强、图像融合，目标分类识别等，适用于包括B超、CT、探地雷达和其它雷达成像系统。项目研究方法经过转化，可以用DSP、FPGA和嵌入式系统上进行硬件实现，直接转化成产品。项目用到数字图像处理中最为前沿的小波分析和超小波分析技术实现对图像处理，可以达到最好的精度要求。 该项目研究和开发的技术可专用于特种设备成像应用中，在图像超分辩分析与复原、数字彩色B超系统、各种雷达成像系统等系统要求高精度配准等应用技术中。 目前该项目的研究成果基本成熟，计算机仿真全部实现。经过转化可以直接应用于各种软件和硬件系统中。
-
基于多元统计图表示原理的可视化信息融合与模式识别
成熟度：-
技术类型：-
应用行业：科学研究和技术服务业
技术简介
课题以模式识别和机器学习领域中存在的特征表示问题和分类器的性能评价问题为背景，以多元数据2维图表示方法作为手段，以多元图图形特征提取和图形分类器为基础，以建立基于多元数据图表示模式识别理论框架为目的，开展可视化模式识别新方法的研究。对于从领域问题中获得的特征矢量表示(已知)，利用多元数据图表示方法将其转化为2维平面可视化的多元图。研究非图特征进行多元图表示的一般原理，定义多元图映射和多元图表示矩阵的概念和公式，提出了多元图表示矩阵的三种可视化几何表达方式，从而初步建立了非图特征进行多元图表示(即公式表示、矩阵表示和几何表示)的数学理论框架。建立了从生成的多元图中提取图形特征(如图形的面积、重心、最值方法、对称性等全局特征或局部特征)的一般方法和公式。为图形特征表示与基于图表示的可视化类分类奠定基础。针对非图特征进行图表示存在的特征排序问题，可能导致不同特征排序下生成多元图图形特征的分类性能不同。提出了鉴别图形特征提取的一般方法。提出了图形不相似度的定义和公式，按照模板匹配思想提出基于图形不相似度的图形分类器，按照K近邻的思想提出基于图形不相似度的K近邻图形分类器。课题研究是一种崭新的模式识别理论与方法。
-
遥感等地质勘查图象的模式识别和数量化分析方法
成熟度：-
技术类型：-
应用行业：科学研究和技术服务业
技术简介
“遥感等地质勘查图象的模式识别和数量化分析方法”是地矿部“八五”攻关项目“多光谱遥感方法技术开发应用研究”的第四课题，编号：８５－０１－０１６－０４。首次从遥感地质信息场的概念出发，论述了遥感地质信息场数量化分析的原理、蕴涵、研究内容和实施途径；首次明确提出数据综合中数据相容性的概念；初步总结和归纳了数据相容性内容的类型、判别准则和处理方法。成功地将分维理论和数学形态学方法运用到地质数据处理和综合中，建立了地质数据分维结构判别的无标度区分形组合理论；创造性地提出了分维ＫＬ变换方法，使分维研究突破了单纯维数计算与对比的现状；提出了多元多值形态等方法，建立了多元多值数学形态等运算法则，发展了数学形态等方法。较系统地研究了遥感色调异常、线性体、环形体和水平特征的数量化分析方法，从研究环形构造不同群体概率－直径的分维关系、信息量和概率模型等统计特征，研究环形构造的含矿性；探索不同时代或成因形构造群体的区分方法，开拓了用环形构造进行找矿的新途径；提出了“色度掩模亮度匹配”算法及色调异常分析优选策略；研究了水系特征提取和水系类型识别方法。实现了地质勘查图象不规则单元的划分，特征提取和模式识别方法，研究了ＧＩＳ支持下的线、环形体分析，ＧＩＳ图件更新等方法，系统化、集成化程度较高。在微机上开发了相应的软件Ｇｅｏｍａｓｔ，软件界面友好，重要模块已汉化。
-
煤与瓦斯突出危险性的模式识别与概率预测技术
成熟度：-
技术类型：-
应用行业：科学研究和技术服务业
技术简介
多因素模式识别概率预测法在地质动力区划研究的基础上，根据所确定的活动构造信息、区域地应力场测量和岩体应力分析成果、瓦斯地质研究成果、地质勘探成果，在空间数据管理的基础上，运用模式识别技术进行综合智能分析，应用神经网络和模糊推理方法确定预测区域各单元的危险概率，对区域煤与瓦斯突出的危险性做出分类。划分煤与瓦斯突出危险区、突出威胁区和无突出危险区及其分布状况，与已发生煤与瓦斯突出点的空间关系。预测结果以突出危险性概率值大小生成分层着色图或突出危险性概率图。研究中将地质动力区划方法、地应力测量、GIS技术、数值计算方法和模式识别与概率预测技术结合起来，应用到煤与瓦斯突出区域预测的研究中。把矿区构造体系、采矿工艺过程和煤与瓦斯突出的发生看作是一个动态体系。把地形地貌的基本形态和主要特征、地质构造形式、岩体应力状态、煤岩体渗透性、瓦斯压力分布规律和煤与瓦斯突出发生密切联系起来，查明煤与瓦斯突出发生的各种因素。以断裂的构造形式和活动性、岩体的应力状态、瓦斯赋存和流动规律等综合因素作为预测煤与瓦斯突出的主要判据，建立区域预测决策分析系统。解决煤与瓦斯突出治理中的区域预测问题，并在区域预测的指导下，进一步开展局部检测和采取解危措施。该项目通过兴安矿区的地质动力区划工作，确定了区域地质构造形式及其活动特征，明确了活动断裂和岩体应力对煤与瓦斯突出的控制作用。确定了矿区现今构造应力场性质，划分出应力升高区、应力降低区和应力梯度区，计算了采动应力场的分布特征和演化过程。确定了影响煤与瓦斯突出的主要影响因素和煤与瓦斯突出危险性划分的概率预测指标。用多因素模式识别概率预测方法，实现了煤与瓦斯突出的分单元概率预测，划分了煤与瓦斯突出的危险区、威胁区和安全区。多因素模式识别概率预测方法提高了煤与瓦斯突出区域预测水平，促进了煤与瓦斯突出预测工作向定量研究方向发展，建立了一个比较科学的煤与瓦斯突出区域预测方法。对比分析和开采实践表明，地质动力区划的煤与瓦斯突出区域预测结果的总体趋势与现场有较好的一致性，矿井的煤与瓦斯突出单元概率预测图将对其预防煤与瓦斯突出工作起指导作用。煤与瓦斯突出信息管理系统实现了煤与瓦斯突出预测中的图、文、声、像等数据的可视化管理。提高了信息处理水平。对地质动力区划向定量化、科学化、动态监测、多目标、多维方向发展起到了促进作用。
-
机械工程图形扫描输入及模式识别
成熟度：-
技术类型：-
应用行业：科学研究和技术服务业
技术简介
该成果利用扫描仪将机械图纸自动扫描输入计算机，对二值图形文件可在屏幕上显示，并进行预处理，然后进行细化、轮廊跟踪、粗细线识别、长矢量拟合、数据格式转换处理，形成数据量极小的矢量图形文件，在计算机中存储或由绘图机输出满足设计和使用要求的新图纸。软件系统解决了细化、矢量化、Ｃ语言与ＡｕｔｏＣＡＤ接口等关键问题，为大量的机械老图在计算机中合理地保存、管理并利用现有机械图纸从事再设计提供了一种非常简便和高效的新方法，设计周期是原来的１／５。软件系统运行可靠，通用性强，操作简单，使用方便。
-
面向高维非结构化数据的模式识别与机器智能
成熟度：-
技术类型：-
应用行业：制造业
技术简介
本项目属信息科学中模式识别与智能系统的前沿研究领域。 近年来，生物信息学、情报与安全数据分析、医学图象处理、优化决策等相关学科领域的迅速发展，带来了大量针对复杂高维数据的分析、处理和优化控制问题，这些数据具有非结构化特点，即不能用有限规则完全表征与刻画且不能在可接受时间内进行处理，因此对模式识别与机器智能的理论创新研究也提出了新的挑战。 这些挑战问题主要涉及高维非结构化数据的自动特征提取与表示、分类识别、序贯优化决策等关键理论课题。 针对上述问题，本项目在国家杰出青年科学基金和多个国家自然科学基金的资助下，在如下三个方面取得重要研究成果： ①高维非结构化数据的特征提取与表示：研究了编码蛋白质序列的混合特征提取方法，提出基于氨基酸索引的蛋白质亚细胞定位特征提取新方法，获得了高于已有方法的蛋白质亚细胞定位预测精度。 在序列图像分析的独立成分分析（ICA）方法方面取得重要研究进展，提出与统计参数映射（SPM）相结合的方法，克服了SPM现有设计方法需要预先假设模型的缺点。 解决了ICA研究领域著名的“1-比特匹配猜想”问题。提出了一种基于形状特征与迭代松弛的手撕文档碎片全局拼接复原算法，研究成果以长文在顶级刊物IEEE T-PAMI杂志上发表，获国防专利授权1项。 提出二维局部保持投影的新算法2DLPP，并且成功应用于人脸与掌纹识别中。 高维非结构化数据的分类与检测：提出中心最近邻的模式分类新方法，提高了最近邻算法的分类精度，并且应用于蛋白质数据的分类问题中。 研究了面向图像数据分析的模糊神经网络理论和算法，提出了一种新的基于模糊细胞神经网络（FCNN）的白细胞检测算法NDA，并且获得了成功应用，显示了新方法的优越性。 提出了高级的模糊细胞神经网络（AFCNN），将AFCNN用于医学图像分割，实验结果表明了高级的模糊细胞神经网络（AFCNN）的有效性。 基于高维特征基函数的序贯优化决策：针对连续空间的序贯优化决策问题，提出了采用高维特征基函数的在线递推最小二乘时域差值（TD）学习算法与快速自适应启发评价算法FastAHC，在降低计算复杂性的同时，有效提高了增强学习算法的收敛特性和学习效率。提出基于核的近似策略迭代算法，通过在策略评价中引入具有稀疏化特性的核函数方法，提高了学习算法的泛化性能，在非线性系统学习控制问题中显示了该方法的有效性。 在2001年1月至2008年1月期间共出版学术著作2部，发表学术论文120篇，55篇论文被SCI收录。其中10篇代表性论文刊登在IEEE Transactions on Pattern Analysis and Machine Intelligence，IEEE Transactions on Neural Networks，IEEE Transactions on Fuzzy Systems，AI in Medicine，FEBS Letters等国际权威期刊上，SCI他引103次。 反映本项目研究成果处于国际同类研究先进水平，并且在蛋白质分类预测、医学图像处理、人脸与掌纹识别以及文档情报碎片拼接等领域得到应用验证。
-
基于模式识别理论的乳腺癌早期诊断技术
成熟度：-
技术类型：-
应用行业：信息传输、软件和信息技术服务业
技术简介
主要研究内容：该研究将模式识别和图像处理中的知识和理论应用到医学影像处理中。并且根据医学影像处理中的一些实际特点，结合模糊集理论、小波分析理论和神经网络理论等方面的知识，提出区别于传统数字图像处理的方法，并应用到医学影像的处理上。通过乳腺癌早期检测的研究会对模式识别理论和方法，特别是对图像处理技术和方法的提高具有很大的促进作用。乳腺癌早期检测是对图像处理、分类器设计和分类器训练等技术的综合及深化，复杂性更高，灵活性更大，智能性要求也更强，特征提取的范围更加细致，而且精度要求也更高。这些问题都将促进模式识别理论及应用的发展，并能很好的投入计算机辅助诊断系统的应用中。应用领域：医疗领域。
-
一种用于焦炭塔全自动远程除焦的模式识别方法及装置
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
摘要：一种用于焦炭塔全自动远程除焦的模式识别方法及装置，方法包括步骤：拾取除焦状态信号，通过光缆传输到地面控制中心，对信号进行解调，将光信号转变为电压信号；对电压信号进行A/D采样，得到采样信号，滤波处理得到滤波信号；提取出能够准确描述焦炭塔内部焦炭状态和除焦进展的特征物理量，同时接入水力除焦钻杆高度信号和除焦喷嘴状态信号；对焦炭塔内焦炭的厚度、水力除焦钻杆高度信号、除焦喷嘴状态信号进行识别、模式匹配和实时显示。装置包括光学解调单元、数据采集单元、计算单元和模式识别单元。本发明实时获得塔内焦炭除焦状况，缩短除焦作业时间，减少安全隐患；模式识别后的信号反馈给水力除焦控制系统，可实现除焦作业全自动化控制。
找到17项技术成果数据。
找技术>-
基于模式识别的图像档案检索系统
成熟度：-
技术类型：-
应用行业：信息传输、软件和信息技术服务业
技术简介
安信数字档案管理系统是一款高效地将纸质档案转化为电子档案，并进行数字化管理的工具软件。该系统通过与用户需求的紧密结合，实现文档处理与管理的自动化、流程化，实现海量的档案高效的数字化、信息化、智能化管理。该系统的突出特点在于将模式识别技术应用到了对图像类型的识别和对表格内容的自动提取。系统集档案的采集、存贮、追加、查询、修改、删除、打印、统计、管理等功能于一体的管理系统，该系统利用图像处理技术，配以数据库技术和网络技术，能够对大量纸质文档即时采集、录入、以数字图像格式存储管理，彻底实现了纸质档案管理向电子化管理的转变。以满足政府机关、档案局(馆)、工商、税务、司法、交通、教育、房地产、金融、通信、电子等企事业单位档案管理工作的需要。
-
模式识别技术进行产品缺陷检测
成熟度：通过中试
技术类型：-
应用行业：科学研究和技术服务业
技术简介
对于企业来说，产品质量是企业的生命，而几乎任何产品都不可避免的存在缺陷。因此，任何企业要想保证产品的质量，都必须进行产品缺陷检测，避免缺陷产品流入市场，给企业的声誉带来不可估量的损失。传统的缺陷检测，主要方法有：肉眼观察法、渗透检测法、磁粉检测等。目前比较常用的方法有：超声波检测法、涡流检测、射线检测法等。各种无损检测方法，都各有其适用范围和局限性，因此有新的检测方法被不断地开发出来，其中包括红外线、X 射线成像检测、康普顿散射成像检测、超声全息检测、太赫兹检测等。任何缺陷检测问题都可以转化为一个模式识别问题，利用模式识别的理论方法进行缺陷检测。 应用情况：基于模式识别的缺陷检测技术可以对产品内部及表面的孔洞、 疵点、脏 /污点、水滴/油滴印记、条纹、破损、边缘裂缝、漏涂、皱折、刮痕、 暗斑、亮斑、边缘破损、黑点、尘埃等常见缺陷进行检测。该技术能广泛应用于金属板、管、机械零件、无纺布、薄膜、纸张、玻璃、钢材等行业。
-
基于流媒体技术的视频监控与模式识别系统
成熟度：-
技术类型：-
应用行业：信息传输、软件和信息技术服务业
技术简介
该项目的成果可以应用于各种图像分析处理应用。包括图像压缩、图像增强、图像融合，目标分类识别等，适用于包括B超、CT、探地雷达和其它雷达成像系统。项目研究方法经过转化，可以用DSP、FPGA和嵌入式系统上进行硬件实现，直接转化成产品。项目用到数字图像处理中最为前沿的小波分析和超小波分析技术实现对图像处理，可以达到最好的精度要求。 该项目研究和开发的技术可专用于特种设备成像应用中，在图像超分辩分析与复原、数字彩色B超系统、各种雷达成像系统等系统要求高精度配准等应用技术中。 目前该项目的研究成果基本成熟，计算机仿真全部实现。经过转化可以直接应用于各种软件和硬件系统中。
-
基于多元统计图表示原理的可视化信息融合与模式识别
成熟度：-
技术类型：-
应用行业：科学研究和技术服务业
技术简介
课题以模式识别和机器学习领域中存在的特征表示问题和分类器的性能评价问题为背景，以多元数据2维图表示方法作为手段，以多元图图形特征提取和图形分类器为基础，以建立基于多元数据图表示模式识别理论框架为目的，开展可视化模式识别新方法的研究。对于从领域问题中获得的特征矢量表示(已知)，利用多元数据图表示方法将其转化为2维平面可视化的多元图。研究非图特征进行多元图表示的一般原理，定义多元图映射和多元图表示矩阵的概念和公式，提出了多元图表示矩阵的三种可视化几何表达方式，从而初步建立了非图特征进行多元图表示(即公式表示、矩阵表示和几何表示)的数学理论框架。建立了从生成的多元图中提取图形特征(如图形的面积、重心、最值方法、对称性等全局特征或局部特征)的一般方法和公式。为图形特征表示与基于图表示的可视化类分类奠定基础。针对非图特征进行图表示存在的特征排序问题，可能导致不同特征排序下生成多元图图形特征的分类性能不同。提出了鉴别图形特征提取的一般方法。提出了图形不相似度的定义和公式，按照模板匹配思想提出基于图形不相似度的图形分类器，按照K近邻的思想提出基于图形不相似度的K近邻图形分类器。课题研究是一种崭新的模式识别理论与方法。
-
遥感等地质勘查图象的模式识别和数量化分析方法
成熟度：-
技术类型：-
应用行业：科学研究和技术服务业
技术简介
“遥感等地质勘查图象的模式识别和数量化分析方法”是地矿部“八五”攻关项目“多光谱遥感方法技术开发应用研究”的第四课题，编号：８５－０１－０１６－０４。首次从遥感地质信息场的概念出发，论述了遥感地质信息场数量化分析的原理、蕴涵、研究内容和实施途径；首次明确提出数据综合中数据相容性的概念；初步总结和归纳了数据相容性内容的类型、判别准则和处理方法。成功地将分维理论和数学形态学方法运用到地质数据处理和综合中，建立了地质数据分维结构判别的无标度区分形组合理论；创造性地提出了分维ＫＬ变换方法，使分维研究突破了单纯维数计算与对比的现状；提出了多元多值形态等方法，建立了多元多值数学形态等运算法则，发展了数学形态等方法。较系统地研究了遥感色调异常、线性体、环形体和水平特征的数量化分析方法，从研究环形构造不同群体概率－直径的分维关系、信息量和概率模型等统计特征，研究环形构造的含矿性；探索不同时代或成因形构造群体的区分方法，开拓了用环形构造进行找矿的新途径；提出了“色度掩模亮度匹配”算法及色调异常分析优选策略；研究了水系特征提取和水系类型识别方法。实现了地质勘查图象不规则单元的划分，特征提取和模式识别方法，研究了ＧＩＳ支持下的线、环形体分析，ＧＩＳ图件更新等方法，系统化、集成化程度较高。在微机上开发了相应的软件Ｇｅｏｍａｓｔ，软件界面友好，重要模块已汉化。
-
煤与瓦斯突出危险性的模式识别与概率预测技术
成熟度：-
技术类型：-
应用行业：科学研究和技术服务业
技术简介
多因素模式识别概率预测法在地质动力区划研究的基础上，根据所确定的活动构造信息、区域地应力场测量和岩体应力分析成果、瓦斯地质研究成果、地质勘探成果，在空间数据管理的基础上，运用模式识别技术进行综合智能分析，应用神经网络和模糊推理方法确定预测区域各单元的危险概率，对区域煤与瓦斯突出的危险性做出分类。划分煤与瓦斯突出危险区、突出威胁区和无突出危险区及其分布状况，与已发生煤与瓦斯突出点的空间关系。预测结果以突出危险性概率值大小生成分层着色图或突出危险性概率图。研究中将地质动力区划方法、地应力测量、GIS技术、数值计算方法和模式识别与概率预测技术结合起来，应用到煤与瓦斯突出区域预测的研究中。把矿区构造体系、采矿工艺过程和煤与瓦斯突出的发生看作是一个动态体系。把地形地貌的基本形态和主要特征、地质构造形式、岩体应力状态、煤岩体渗透性、瓦斯压力分布规律和煤与瓦斯突出发生密切联系起来，查明煤与瓦斯突出发生的各种因素。以断裂的构造形式和活动性、岩体的应力状态、瓦斯赋存和流动规律等综合因素作为预测煤与瓦斯突出的主要判据，建立区域预测决策分析系统。解决煤与瓦斯突出治理中的区域预测问题，并在区域预测的指导下，进一步开展局部检测和采取解危措施。该项目通过兴安矿区的地质动力区划工作，确定了区域地质构造形式及其活动特征，明确了活动断裂和岩体应力对煤与瓦斯突出的控制作用。确定了矿区现今构造应力场性质，划分出应力升高区、应力降低区和应力梯度区，计算了采动应力场的分布特征和演化过程。确定了影响煤与瓦斯突出的主要影响因素和煤与瓦斯突出危险性划分的概率预测指标。用多因素模式识别概率预测方法，实现了煤与瓦斯突出的分单元概率预测，划分了煤与瓦斯突出的危险区、威胁区和安全区。多因素模式识别概率预测方法提高了煤与瓦斯突出区域预测水平，促进了煤与瓦斯突出预测工作向定量研究方向发展，建立了一个比较科学的煤与瓦斯突出区域预测方法。对比分析和开采实践表明，地质动力区划的煤与瓦斯突出区域预测结果的总体趋势与现场有较好的一致性，矿井的煤与瓦斯突出单元概率预测图将对其预防煤与瓦斯突出工作起指导作用。煤与瓦斯突出信息管理系统实现了煤与瓦斯突出预测中的图、文、声、像等数据的可视化管理。提高了信息处理水平。对地质动力区划向定量化、科学化、动态监测、多目标、多维方向发展起到了促进作用。
-
机械工程图形扫描输入及模式识别
成熟度：-
技术类型：-
应用行业：科学研究和技术服务业
技术简介
该成果利用扫描仪将机械图纸自动扫描输入计算机，对二值图形文件可在屏幕上显示，并进行预处理，然后进行细化、轮廊跟踪、粗细线识别、长矢量拟合、数据格式转换处理，形成数据量极小的矢量图形文件，在计算机中存储或由绘图机输出满足设计和使用要求的新图纸。软件系统解决了细化、矢量化、Ｃ语言与ＡｕｔｏＣＡＤ接口等关键问题，为大量的机械老图在计算机中合理地保存、管理并利用现有机械图纸从事再设计提供了一种非常简便和高效的新方法，设计周期是原来的１／５。软件系统运行可靠，通用性强，操作简单，使用方便。
-
面向高维非结构化数据的模式识别与机器智能
成熟度：-
技术类型：-
应用行业：制造业
技术简介
本项目属信息科学中模式识别与智能系统的前沿研究领域。 近年来，生物信息学、情报与安全数据分析、医学图象处理、优化决策等相关学科领域的迅速发展，带来了大量针对复杂高维数据的分析、处理和优化控制问题，这些数据具有非结构化特点，即不能用有限规则完全表征与刻画且不能在可接受时间内进行处理，因此对模式识别与机器智能的理论创新研究也提出了新的挑战。 这些挑战问题主要涉及高维非结构化数据的自动特征提取与表示、分类识别、序贯优化决策等关键理论课题。 针对上述问题，本项目在国家杰出青年科学基金和多个国家自然科学基金的资助下，在如下三个方面取得重要研究成果： ①高维非结构化数据的特征提取与表示：研究了编码蛋白质序列的混合特征提取方法，提出基于氨基酸索引的蛋白质亚细胞定位特征提取新方法，获得了高于已有方法的蛋白质亚细胞定位预测精度。 在序列图像分析的独立成分分析（ICA）方法方面取得重要研究进展，提出与统计参数映射（SPM）相结合的方法，克服了SPM现有设计方法需要预先假设模型的缺点。 解决了ICA研究领域著名的“1-比特匹配猜想”问题。提出了一种基于形状特征与迭代松弛的手撕文档碎片全局拼接复原算法，研究成果以长文在顶级刊物IEEE T-PAMI杂志上发表，获国防专利授权1项。 提出二维局部保持投影的新算法2DLPP，并且成功应用于人脸与掌纹识别中。 高维非结构化数据的分类与检测：提出中心最近邻的模式分类新方法，提高了最近邻算法的分类精度，并且应用于蛋白质数据的分类问题中。 研究了面向图像数据分析的模糊神经网络理论和算法，提出了一种新的基于模糊细胞神经网络（FCNN）的白细胞检测算法NDA，并且获得了成功应用，显示了新方法的优越性。 提出了高级的模糊细胞神经网络（AFCNN），将AFCNN用于医学图像分割，实验结果表明了高级的模糊细胞神经网络（AFCNN）的有效性。 基于高维特征基函数的序贯优化决策：针对连续空间的序贯优化决策问题，提出了采用高维特征基函数的在线递推最小二乘时域差值（TD）学习算法与快速自适应启发评价算法FastAHC，在降低计算复杂性的同时，有效提高了增强学习算法的收敛特性和学习效率。提出基于核的近似策略迭代算法，通过在策略评价中引入具有稀疏化特性的核函数方法，提高了学习算法的泛化性能，在非线性系统学习控制问题中显示了该方法的有效性。 在2001年1月至2008年1月期间共出版学术著作2部，发表学术论文120篇，55篇论文被SCI收录。其中10篇代表性论文刊登在IEEE Transactions on Pattern Analysis and Machine Intelligence，IEEE Transactions on Neural Networks，IEEE Transactions on Fuzzy Systems，AI in Medicine，FEBS Letters等国际权威期刊上，SCI他引103次。 反映本项目研究成果处于国际同类研究先进水平，并且在蛋白质分类预测、医学图像处理、人脸与掌纹识别以及文档情报碎片拼接等领域得到应用验证。
-
基于模式识别理论的乳腺癌早期诊断技术
成熟度：-
技术类型：-
应用行业：信息传输、软件和信息技术服务业
技术简介
主要研究内容：该研究将模式识别和图像处理中的知识和理论应用到医学影像处理中。并且根据医学影像处理中的一些实际特点，结合模糊集理论、小波分析理论和神经网络理论等方面的知识，提出区别于传统数字图像处理的方法，并应用到医学影像的处理上。通过乳腺癌早期检测的研究会对模式识别理论和方法，特别是对图像处理技术和方法的提高具有很大的促进作用。乳腺癌早期检测是对图像处理、分类器设计和分类器训练等技术的综合及深化，复杂性更高，灵活性更大，智能性要求也更强，特征提取的范围更加细致，而且精度要求也更高。这些问题都将促进模式识别理论及应用的发展，并能很好的投入计算机辅助诊断系统的应用中。应用领域：医疗领域。
-
一种用于焦炭塔全自动远程除焦的模式识别方法及装置
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
摘要：一种用于焦炭塔全自动远程除焦的模式识别方法及装置，方法包括步骤：拾取除焦状态信号，通过光缆传输到地面控制中心，对信号进行解调，将光信号转变为电压信号；对电压信号进行A/D采样，得到采样信号，滤波处理得到滤波信号；提取出能够准确描述焦炭塔内部焦炭状态和除焦进展的特征物理量，同时接入水力除焦钻杆高度信号和除焦喷嘴状态信号；对焦炭塔内焦炭的厚度、水力除焦钻杆高度信号、除焦喷嘴状态信号进行识别、模式匹配和实时显示。装置包括光学解调单元、数据采集单元、计算单元和模式识别单元。本发明实时获得塔内焦炭除焦状况，缩短除焦作业时间，减少安全隐患；模式识别后的信号反馈给水力除焦控制系统，可实现除焦作业全自动化控制。
找到17项技术成果数据。
找技术>-
基于模式识别的图像档案检索系统
成熟度：-
技术类型：-
应用行业：信息传输、软件和信息技术服务业
技术简介
安信数字档案管理系统是一款高效地将纸质档案转化为电子档案，并进行数字化管理的工具软件。该系统通过与用户需求的紧密结合，实现文档处理与管理的自动化、流程化，实现海量的档案高效的数字化、信息化、智能化管理。该系统的突出特点在于将模式识别技术应用到了对图像类型的识别和对表格内容的自动提取。系统集档案的采集、存贮、追加、查询、修改、删除、打印、统计、管理等功能于一体的管理系统，该系统利用图像处理技术，配以数据库技术和网络技术，能够对大量纸质文档即时采集、录入、以数字图像格式存储管理，彻底实现了纸质档案管理向电子化管理的转变。以满足政府机关、档案局(馆)、工商、税务、司法、交通、教育、房地产、金融、通信、电子等企事业单位档案管理工作的需要。
-
模式识别技术进行产品缺陷检测
成熟度：通过中试
技术类型：-
应用行业：科学研究和技术服务业
技术简介
对于企业来说，产品质量是企业的生命，而几乎任何产品都不可避免的存在缺陷。因此，任何企业要想保证产品的质量，都必须进行产品缺陷检测，避免缺陷产品流入市场，给企业的声誉带来不可估量的损失。传统的缺陷检测，主要方法有：肉眼观察法、渗透检测法、磁粉检测等。目前比较常用的方法有：超声波检测法、涡流检测、射线检测法等。各种无损检测方法，都各有其适用范围和局限性，因此有新的检测方法被不断地开发出来，其中包括红外线、X 射线成像检测、康普顿散射成像检测、超声全息检测、太赫兹检测等。任何缺陷检测问题都可以转化为一个模式识别问题，利用模式识别的理论方法进行缺陷检测。 应用情况：基于模式识别的缺陷检测技术可以对产品内部及表面的孔洞、 疵点、脏 /污点、水滴/油滴印记、条纹、破损、边缘裂缝、漏涂、皱折、刮痕、 暗斑、亮斑、边缘破损、黑点、尘埃等常见缺陷进行检测。该技术能广泛应用于金属板、管、机械零件、无纺布、薄膜、纸张、玻璃、钢材等行业。
-
基于流媒体技术的视频监控与模式识别系统
成熟度：-
技术类型：-
应用行业：信息传输、软件和信息技术服务业
技术简介
该项目的成果可以应用于各种图像分析处理应用。包括图像压缩、图像增强、图像融合，目标分类识别等，适用于包括B超、CT、探地雷达和其它雷达成像系统。项目研究方法经过转化，可以用DSP、FPGA和嵌入式系统上进行硬件实现，直接转化成产品。项目用到数字图像处理中最为前沿的小波分析和超小波分析技术实现对图像处理，可以达到最好的精度要求。 该项目研究和开发的技术可专用于特种设备成像应用中，在图像超分辩分析与复原、数字彩色B超系统、各种雷达成像系统等系统要求高精度配准等应用技术中。 目前该项目的研究成果基本成熟，计算机仿真全部实现。经过转化可以直接应用于各种软件和硬件系统中。
-
基于多元统计图表示原理的可视化信息融合与模式识别
成熟度：-
技术类型：-
应用行业：科学研究和技术服务业
技术简介
课题以模式识别和机器学习领域中存在的特征表示问题和分类器的性能评价问题为背景，以多元数据2维图表示方法作为手段，以多元图图形特征提取和图形分类器为基础，以建立基于多元数据图表示模式识别理论框架为目的，开展可视化模式识别新方法的研究。对于从领域问题中获得的特征矢量表示(已知)，利用多元数据图表示方法将其转化为2维平面可视化的多元图。研究非图特征进行多元图表示的一般原理，定义多元图映射和多元图表示矩阵的概念和公式，提出了多元图表示矩阵的三种可视化几何表达方式，从而初步建立了非图特征进行多元图表示(即公式表示、矩阵表示和几何表示)的数学理论框架。建立了从生成的多元图中提取图形特征(如图形的面积、重心、最值方法、对称性等全局特征或局部特征)的一般方法和公式。为图形特征表示与基于图表示的可视化类分类奠定基础。针对非图特征进行图表示存在的特征排序问题，可能导致不同特征排序下生成多元图图形特征的分类性能不同。提出了鉴别图形特征提取的一般方法。提出了图形不相似度的定义和公式，按照模板匹配思想提出基于图形不相似度的图形分类器，按照K近邻的思想提出基于图形不相似度的K近邻图形分类器。课题研究是一种崭新的模式识别理论与方法。
-
遥感等地质勘查图象的模式识别和数量化分析方法
成熟度：-
技术类型：-
应用行业：科学研究和技术服务业
技术简介
“遥感等地质勘查图象的模式识别和数量化分析方法”是地矿部“八五”攻关项目“多光谱遥感方法技术开发应用研究”的第四课题，编号：８５－０１－０１６－０４。首次从遥感地质信息场的概念出发，论述了遥感地质信息场数量化分析的原理、蕴涵、研究内容和实施途径；首次明确提出数据综合中数据相容性的概念；初步总结和归纳了数据相容性内容的类型、判别准则和处理方法。成功地将分维理论和数学形态学方法运用到地质数据处理和综合中，建立了地质数据分维结构判别的无标度区分形组合理论；创造性地提出了分维ＫＬ变换方法，使分维研究突破了单纯维数计算与对比的现状；提出了多元多值形态等方法，建立了多元多值数学形态等运算法则，发展了数学形态等方法。较系统地研究了遥感色调异常、线性体、环形体和水平特征的数量化分析方法，从研究环形构造不同群体概率－直径的分维关系、信息量和概率模型等统计特征，研究环形构造的含矿性；探索不同时代或成因形构造群体的区分方法，开拓了用环形构造进行找矿的新途径；提出了“色度掩模亮度匹配”算法及色调异常分析优选策略；研究了水系特征提取和水系类型识别方法。实现了地质勘查图象不规则单元的划分，特征提取和模式识别方法，研究了ＧＩＳ支持下的线、环形体分析，ＧＩＳ图件更新等方法，系统化、集成化程度较高。在微机上开发了相应的软件Ｇｅｏｍａｓｔ，软件界面友好，重要模块已汉化。
-
煤与瓦斯突出危险性的模式识别与概率预测技术
成熟度：-
技术类型：-
应用行业：科学研究和技术服务业
技术简介
多因素模式识别概率预测法在地质动力区划研究的基础上，根据所确定的活动构造信息、区域地应力场测量和岩体应力分析成果、瓦斯地质研究成果、地质勘探成果，在空间数据管理的基础上，运用模式识别技术进行综合智能分析，应用神经网络和模糊推理方法确定预测区域各单元的危险概率，对区域煤与瓦斯突出的危险性做出分类。划分煤与瓦斯突出危险区、突出威胁区和无突出危险区及其分布状况，与已发生煤与瓦斯突出点的空间关系。预测结果以突出危险性概率值大小生成分层着色图或突出危险性概率图。研究中将地质动力区划方法、地应力测量、GIS技术、数值计算方法和模式识别与概率预测技术结合起来，应用到煤与瓦斯突出区域预测的研究中。把矿区构造体系、采矿工艺过程和煤与瓦斯突出的发生看作是一个动态体系。把地形地貌的基本形态和主要特征、地质构造形式、岩体应力状态、煤岩体渗透性、瓦斯压力分布规律和煤与瓦斯突出发生密切联系起来，查明煤与瓦斯突出发生的各种因素。以断裂的构造形式和活动性、岩体的应力状态、瓦斯赋存和流动规律等综合因素作为预测煤与瓦斯突出的主要判据，建立区域预测决策分析系统。解决煤与瓦斯突出治理中的区域预测问题，并在区域预测的指导下，进一步开展局部检测和采取解危措施。该项目通过兴安矿区的地质动力区划工作，确定了区域地质构造形式及其活动特征，明确了活动断裂和岩体应力对煤与瓦斯突出的控制作用。确定了矿区现今构造应力场性质，划分出应力升高区、应力降低区和应力梯度区，计算了采动应力场的分布特征和演化过程。确定了影响煤与瓦斯突出的主要影响因素和煤与瓦斯突出危险性划分的概率预测指标。用多因素模式识别概率预测方法，实现了煤与瓦斯突出的分单元概率预测，划分了煤与瓦斯突出的危险区、威胁区和安全区。多因素模式识别概率预测方法提高了煤与瓦斯突出区域预测水平，促进了煤与瓦斯突出预测工作向定量研究方向发展，建立了一个比较科学的煤与瓦斯突出区域预测方法。对比分析和开采实践表明，地质动力区划的煤与瓦斯突出区域预测结果的总体趋势与现场有较好的一致性，矿井的煤与瓦斯突出单元概率预测图将对其预防煤与瓦斯突出工作起指导作用。煤与瓦斯突出信息管理系统实现了煤与瓦斯突出预测中的图、文、声、像等数据的可视化管理。提高了信息处理水平。对地质动力区划向定量化、科学化、动态监测、多目标、多维方向发展起到了促进作用。
-
机械工程图形扫描输入及模式识别
成熟度：-
技术类型：-
应用行业：科学研究和技术服务业
技术简介
该成果利用扫描仪将机械图纸自动扫描输入计算机，对二值图形文件可在屏幕上显示，并进行预处理，然后进行细化、轮廊跟踪、粗细线识别、长矢量拟合、数据格式转换处理，形成数据量极小的矢量图形文件，在计算机中存储或由绘图机输出满足设计和使用要求的新图纸。软件系统解决了细化、矢量化、Ｃ语言与ＡｕｔｏＣＡＤ接口等关键问题，为大量的机械老图在计算机中合理地保存、管理并利用现有机械图纸从事再设计提供了一种非常简便和高效的新方法，设计周期是原来的１／５。软件系统运行可靠，通用性强，操作简单，使用方便。
-
面向高维非结构化数据的模式识别与机器智能
成熟度：-
技术类型：-
应用行业：制造业
技术简介
本项目属信息科学中模式识别与智能系统的前沿研究领域。 近年来，生物信息学、情报与安全数据分析、医学图象处理、优化决策等相关学科领域的迅速发展，带来了大量针对复杂高维数据的分析、处理和优化控制问题，这些数据具有非结构化特点，即不能用有限规则完全表征与刻画且不能在可接受时间内进行处理，因此对模式识别与机器智能的理论创新研究也提出了新的挑战。 这些挑战问题主要涉及高维非结构化数据的自动特征提取与表示、分类识别、序贯优化决策等关键理论课题。 针对上述问题，本项目在国家杰出青年科学基金和多个国家自然科学基金的资助下，在如下三个方面取得重要研究成果： ①高维非结构化数据的特征提取与表示：研究了编码蛋白质序列的混合特征提取方法，提出基于氨基酸索引的蛋白质亚细胞定位特征提取新方法，获得了高于已有方法的蛋白质亚细胞定位预测精度。 在序列图像分析的独立成分分析（ICA）方法方面取得重要研究进展，提出与统计参数映射（SPM）相结合的方法，克服了SPM现有设计方法需要预先假设模型的缺点。 解决了ICA研究领域著名的“1-比特匹配猜想”问题。提出了一种基于形状特征与迭代松弛的手撕文档碎片全局拼接复原算法，研究成果以长文在顶级刊物IEEE T-PAMI杂志上发表，获国防专利授权1项。 提出二维局部保持投影的新算法2DLPP，并且成功应用于人脸与掌纹识别中。 高维非结构化数据的分类与检测：提出中心最近邻的模式分类新方法，提高了最近邻算法的分类精度，并且应用于蛋白质数据的分类问题中。 研究了面向图像数据分析的模糊神经网络理论和算法，提出了一种新的基于模糊细胞神经网络（FCNN）的白细胞检测算法NDA，并且获得了成功应用，显示了新方法的优越性。 提出了高级的模糊细胞神经网络（AFCNN），将AFCNN用于医学图像分割，实验结果表明了高级的模糊细胞神经网络（AFCNN）的有效性。 基于高维特征基函数的序贯优化决策：针对连续空间的序贯优化决策问题，提出了采用高维特征基函数的在线递推最小二乘时域差值（TD）学习算法与快速自适应启发评价算法FastAHC，在降低计算复杂性的同时，有效提高了增强学习算法的收敛特性和学习效率。提出基于核的近似策略迭代算法，通过在策略评价中引入具有稀疏化特性的核函数方法，提高了学习算法的泛化性能，在非线性系统学习控制问题中显示了该方法的有效性。 在2001年1月至2008年1月期间共出版学术著作2部，发表学术论文120篇，55篇论文被SCI收录。其中10篇代表性论文刊登在IEEE Transactions on Pattern Analysis and Machine Intelligence，IEEE Transactions on Neural Networks，IEEE Transactions on Fuzzy Systems，AI in Medicine，FEBS Letters等国际权威期刊上，SCI他引103次。 反映本项目研究成果处于国际同类研究先进水平，并且在蛋白质分类预测、医学图像处理、人脸与掌纹识别以及文档情报碎片拼接等领域得到应用验证。
-
基于模式识别理论的乳腺癌早期诊断技术
成熟度：-
技术类型：-
应用行业：信息传输、软件和信息技术服务业
技术简介
主要研究内容：该研究将模式识别和图像处理中的知识和理论应用到医学影像处理中。并且根据医学影像处理中的一些实际特点，结合模糊集理论、小波分析理论和神经网络理论等方面的知识，提出区别于传统数字图像处理的方法，并应用到医学影像的处理上。通过乳腺癌早期检测的研究会对模式识别理论和方法，特别是对图像处理技术和方法的提高具有很大的促进作用。乳腺癌早期检测是对图像处理、分类器设计和分类器训练等技术的综合及深化，复杂性更高，灵活性更大，智能性要求也更强，特征提取的范围更加细致，而且精度要求也更高。这些问题都将促进模式识别理论及应用的发展，并能很好的投入计算机辅助诊断系统的应用中。应用领域：医疗领域。
-
一种用于焦炭塔全自动远程除焦的模式识别方法及装置
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
摘要：一种用于焦炭塔全自动远程除焦的模式识别方法及装置，方法包括步骤：拾取除焦状态信号，通过光缆传输到地面控制中心，对信号进行解调，将光信号转变为电压信号；对电压信号进行A/D采样，得到采样信号，滤波处理得到滤波信号；提取出能够准确描述焦炭塔内部焦炭状态和除焦进展的特征物理量，同时接入水力除焦钻杆高度信号和除焦喷嘴状态信号；对焦炭塔内焦炭的厚度、水力除焦钻杆高度信号、除焦喷嘴状态信号进行识别、模式匹配和实时显示。装置包括光学解调单元、数据采集单元、计算单元和模式识别单元。本发明实时获得塔内焦炭除焦状况，缩短除焦作业时间，减少安全隐患；模式识别后的信号反馈给水力除焦控制系统，可实现除焦作业全自动化控制。
找到17项技术成果数据。
找技术>-
基于模式识别的图像档案检索系统
成熟度：-
技术类型：-
应用行业：信息传输、软件和信息技术服务业
技术简介
安信数字档案管理系统是一款高效地将纸质档案转化为电子档案，并进行数字化管理的工具软件。该系统通过与用户需求的紧密结合，实现文档处理与管理的自动化、流程化，实现海量的档案高效的数字化、信息化、智能化管理。该系统的突出特点在于将模式识别技术应用到了对图像类型的识别和对表格内容的自动提取。系统集档案的采集、存贮、追加、查询、修改、删除、打印、统计、管理等功能于一体的管理系统，该系统利用图像处理技术，配以数据库技术和网络技术，能够对大量纸质文档即时采集、录入、以数字图像格式存储管理，彻底实现了纸质档案管理向电子化管理的转变。以满足政府机关、档案局(馆)、工商、税务、司法、交通、教育、房地产、金融、通信、电子等企事业单位档案管理工作的需要。
-
模式识别技术进行产品缺陷检测
成熟度：通过中试
技术类型：-
应用行业：科学研究和技术服务业
技术简介
对于企业来说，产品质量是企业的生命，而几乎任何产品都不可避免的存在缺陷。因此，任何企业要想保证产品的质量，都必须进行产品缺陷检测，避免缺陷产品流入市场，给企业的声誉带来不可估量的损失。传统的缺陷检测，主要方法有：肉眼观察法、渗透检测法、磁粉检测等。目前比较常用的方法有：超声波检测法、涡流检测、射线检测法等。各种无损检测方法，都各有其适用范围和局限性，因此有新的检测方法被不断地开发出来，其中包括红外线、X 射线成像检测、康普顿散射成像检测、超声全息检测、太赫兹检测等。任何缺陷检测问题都可以转化为一个模式识别问题，利用模式识别的理论方法进行缺陷检测。 应用情况：基于模式识别的缺陷检测技术可以对产品内部及表面的孔洞、 疵点、脏 /污点、水滴/油滴印记、条纹、破损、边缘裂缝、漏涂、皱折、刮痕、 暗斑、亮斑、边缘破损、黑点、尘埃等常见缺陷进行检测。该技术能广泛应用于金属板、管、机械零件、无纺布、薄膜、纸张、玻璃、钢材等行业。
-
基于流媒体技术的视频监控与模式识别系统
成熟度：-
技术类型：-
应用行业：信息传输、软件和信息技术服务业
技术简介
该项目的成果可以应用于各种图像分析处理应用。包括图像压缩、图像增强、图像融合，目标分类识别等，适用于包括B超、CT、探地雷达和其它雷达成像系统。项目研究方法经过转化，可以用DSP、FPGA和嵌入式系统上进行硬件实现，直接转化成产品。项目用到数字图像处理中最为前沿的小波分析和超小波分析技术实现对图像处理，可以达到最好的精度要求。 该项目研究和开发的技术可专用于特种设备成像应用中，在图像超分辩分析与复原、数字彩色B超系统、各种雷达成像系统等系统要求高精度配准等应用技术中。 目前该项目的研究成果基本成熟，计算机仿真全部实现。经过转化可以直接应用于各种软件和硬件系统中。
-
基于多元统计图表示原理的可视化信息融合与模式识别
成熟度：-
技术类型：-
应用行业：科学研究和技术服务业
技术简介
课题以模式识别和机器学习领域中存在的特征表示问题和分类器的性能评价问题为背景，以多元数据2维图表示方法作为手段，以多元图图形特征提取和图形分类器为基础，以建立基于多元数据图表示模式识别理论框架为目的，开展可视化模式识别新方法的研究。对于从领域问题中获得的特征矢量表示(已知)，利用多元数据图表示方法将其转化为2维平面可视化的多元图。研究非图特征进行多元图表示的一般原理，定义多元图映射和多元图表示矩阵的概念和公式，提出了多元图表示矩阵的三种可视化几何表达方式，从而初步建立了非图特征进行多元图表示(即公式表示、矩阵表示和几何表示)的数学理论框架。建立了从生成的多元图中提取图形特征(如图形的面积、重心、最值方法、对称性等全局特征或局部特征)的一般方法和公式。为图形特征表示与基于图表示的可视化类分类奠定基础。针对非图特征进行图表示存在的特征排序问题，可能导致不同特征排序下生成多元图图形特征的分类性能不同。提出了鉴别图形特征提取的一般方法。提出了图形不相似度的定义和公式，按照模板匹配思想提出基于图形不相似度的图形分类器，按照K近邻的思想提出基于图形不相似度的K近邻图形分类器。课题研究是一种崭新的模式识别理论与方法。
-
遥感等地质勘查图象的模式识别和数量化分析方法
成熟度：-
技术类型：-
应用行业：科学研究和技术服务业
技术简介
“遥感等地质勘查图象的模式识别和数量化分析方法”是地矿部“八五”攻关项目“多光谱遥感方法技术开发应用研究”的第四课题，编号：８５－０１－０１６－０４。首次从遥感地质信息场的概念出发，论述了遥感地质信息场数量化分析的原理、蕴涵、研究内容和实施途径；首次明确提出数据综合中数据相容性的概念；初步总结和归纳了数据相容性内容的类型、判别准则和处理方法。成功地将分维理论和数学形态学方法运用到地质数据处理和综合中，建立了地质数据分维结构判别的无标度区分形组合理论；创造性地提出了分维ＫＬ变换方法，使分维研究突破了单纯维数计算与对比的现状；提出了多元多值形态等方法，建立了多元多值数学形态等运算法则，发展了数学形态等方法。较系统地研究了遥感色调异常、线性体、环形体和水平特征的数量化分析方法，从研究环形构造不同群体概率－直径的分维关系、信息量和概率模型等统计特征，研究环形构造的含矿性；探索不同时代或成因形构造群体的区分方法，开拓了用环形构造进行找矿的新途径；提出了“色度掩模亮度匹配”算法及色调异常分析优选策略；研究了水系特征提取和水系类型识别方法。实现了地质勘查图象不规则单元的划分，特征提取和模式识别方法，研究了ＧＩＳ支持下的线、环形体分析，ＧＩＳ图件更新等方法，系统化、集成化程度较高。在微机上开发了相应的软件Ｇｅｏｍａｓｔ，软件界面友好，重要模块已汉化。
-
煤与瓦斯突出危险性的模式识别与概率预测技术
成熟度：-
技术类型：-
应用行业：科学研究和技术服务业
技术简介
多因素模式识别概率预测法在地质动力区划研究的基础上，根据所确定的活动构造信息、区域地应力场测量和岩体应力分析成果、瓦斯地质研究成果、地质勘探成果，在空间数据管理的基础上，运用模式识别技术进行综合智能分析，应用神经网络和模糊推理方法确定预测区域各单元的危险概率，对区域煤与瓦斯突出的危险性做出分类。划分煤与瓦斯突出危险区、突出威胁区和无突出危险区及其分布状况，与已发生煤与瓦斯突出点的空间关系。预测结果以突出危险性概率值大小生成分层着色图或突出危险性概率图。研究中将地质动力区划方法、地应力测量、GIS技术、数值计算方法和模式识别与概率预测技术结合起来，应用到煤与瓦斯突出区域预测的研究中。把矿区构造体系、采矿工艺过程和煤与瓦斯突出的发生看作是一个动态体系。把地形地貌的基本形态和主要特征、地质构造形式、岩体应力状态、煤岩体渗透性、瓦斯压力分布规律和煤与瓦斯突出发生密切联系起来，查明煤与瓦斯突出发生的各种因素。以断裂的构造形式和活动性、岩体的应力状态、瓦斯赋存和流动规律等综合因素作为预测煤与瓦斯突出的主要判据，建立区域预测决策分析系统。解决煤与瓦斯突出治理中的区域预测问题，并在区域预测的指导下，进一步开展局部检测和采取解危措施。该项目通过兴安矿区的地质动力区划工作，确定了区域地质构造形式及其活动特征，明确了活动断裂和岩体应力对煤与瓦斯突出的控制作用。确定了矿区现今构造应力场性质，划分出应力升高区、应力降低区和应力梯度区，计算了采动应力场的分布特征和演化过程。确定了影响煤与瓦斯突出的主要影响因素和煤与瓦斯突出危险性划分的概率预测指标。用多因素模式识别概率预测方法，实现了煤与瓦斯突出的分单元概率预测，划分了煤与瓦斯突出的危险区、威胁区和安全区。多因素模式识别概率预测方法提高了煤与瓦斯突出区域预测水平，促进了煤与瓦斯突出预测工作向定量研究方向发展，建立了一个比较科学的煤与瓦斯突出区域预测方法。对比分析和开采实践表明，地质动力区划的煤与瓦斯突出区域预测结果的总体趋势与现场有较好的一致性，矿井的煤与瓦斯突出单元概率预测图将对其预防煤与瓦斯突出工作起指导作用。煤与瓦斯突出信息管理系统实现了煤与瓦斯突出预测中的图、文、声、像等数据的可视化管理。提高了信息处理水平。对地质动力区划向定量化、科学化、动态监测、多目标、多维方向发展起到了促进作用。
-
机械工程图形扫描输入及模式识别
成熟度：-
技术类型：-
应用行业：科学研究和技术服务业
技术简介
该成果利用扫描仪将机械图纸自动扫描输入计算机，对二值图形文件可在屏幕上显示，并进行预处理，然后进行细化、轮廊跟踪、粗细线识别、长矢量拟合、数据格式转换处理，形成数据量极小的矢量图形文件，在计算机中存储或由绘图机输出满足设计和使用要求的新图纸。软件系统解决了细化、矢量化、Ｃ语言与ＡｕｔｏＣＡＤ接口等关键问题，为大量的机械老图在计算机中合理地保存、管理并利用现有机械图纸从事再设计提供了一种非常简便和高效的新方法，设计周期是原来的１／５。软件系统运行可靠，通用性强，操作简单，使用方便。
-
面向高维非结构化数据的模式识别与机器智能
成熟度：-
技术类型：-
应用行业：制造业
技术简介
本项目属信息科学中模式识别与智能系统的前沿研究领域。 近年来，生物信息学、情报与安全数据分析、医学图象处理、优化决策等相关学科领域的迅速发展，带来了大量针对复杂高维数据的分析、处理和优化控制问题，这些数据具有非结构化特点，即不能用有限规则完全表征与刻画且不能在可接受时间内进行处理，因此对模式识别与机器智能的理论创新研究也提出了新的挑战。 这些挑战问题主要涉及高维非结构化数据的自动特征提取与表示、分类识别、序贯优化决策等关键理论课题。 针对上述问题，本项目在国家杰出青年科学基金和多个国家自然科学基金的资助下，在如下三个方面取得重要研究成果： ①高维非结构化数据的特征提取与表示：研究了编码蛋白质序列的混合特征提取方法，提出基于氨基酸索引的蛋白质亚细胞定位特征提取新方法，获得了高于已有方法的蛋白质亚细胞定位预测精度。 在序列图像分析的独立成分分析（ICA）方法方面取得重要研究进展，提出与统计参数映射（SPM）相结合的方法，克服了SPM现有设计方法需要预先假设模型的缺点。 解决了ICA研究领域著名的“1-比特匹配猜想”问题。提出了一种基于形状特征与迭代松弛的手撕文档碎片全局拼接复原算法，研究成果以长文在顶级刊物IEEE T-PAMI杂志上发表，获国防专利授权1项。 提出二维局部保持投影的新算法2DLPP，并且成功应用于人脸与掌纹识别中。 高维非结构化数据的分类与检测：提出中心最近邻的模式分类新方法，提高了最近邻算法的分类精度，并且应用于蛋白质数据的分类问题中。 研究了面向图像数据分析的模糊神经网络理论和算法，提出了一种新的基于模糊细胞神经网络（FCNN）的白细胞检测算法NDA，并且获得了成功应用，显示了新方法的优越性。 提出了高级的模糊细胞神经网络（AFCNN），将AFCNN用于医学图像分割，实验结果表明了高级的模糊细胞神经网络（AFCNN）的有效性。 基于高维特征基函数的序贯优化决策：针对连续空间的序贯优化决策问题，提出了采用高维特征基函数的在线递推最小二乘时域差值（TD）学习算法与快速自适应启发评价算法FastAHC，在降低计算复杂性的同时，有效提高了增强学习算法的收敛特性和学习效率。提出基于核的近似策略迭代算法，通过在策略评价中引入具有稀疏化特性的核函数方法，提高了学习算法的泛化性能，在非线性系统学习控制问题中显示了该方法的有效性。 在2001年1月至2008年1月期间共出版学术著作2部，发表学术论文120篇，55篇论文被SCI收录。其中10篇代表性论文刊登在IEEE Transactions on Pattern Analysis and Machine Intelligence，IEEE Transactions on Neural Networks，IEEE Transactions on Fuzzy Systems，AI in Medicine，FEBS Letters等国际权威期刊上，SCI他引103次。 反映本项目研究成果处于国际同类研究先进水平，并且在蛋白质分类预测、医学图像处理、人脸与掌纹识别以及文档情报碎片拼接等领域得到应用验证。
-
基于模式识别理论的乳腺癌早期诊断技术
成熟度：-
技术类型：-
应用行业：信息传输、软件和信息技术服务业
技术简介
主要研究内容：该研究将模式识别和图像处理中的知识和理论应用到医学影像处理中。并且根据医学影像处理中的一些实际特点，结合模糊集理论、小波分析理论和神经网络理论等方面的知识，提出区别于传统数字图像处理的方法，并应用到医学影像的处理上。通过乳腺癌早期检测的研究会对模式识别理论和方法，特别是对图像处理技术和方法的提高具有很大的促进作用。乳腺癌早期检测是对图像处理、分类器设计和分类器训练等技术的综合及深化，复杂性更高，灵活性更大，智能性要求也更强，特征提取的范围更加细致，而且精度要求也更高。这些问题都将促进模式识别理论及应用的发展，并能很好的投入计算机辅助诊断系统的应用中。应用领域：医疗领域。
-
一种用于焦炭塔全自动远程除焦的模式识别方法及装置
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
摘要：一种用于焦炭塔全自动远程除焦的模式识别方法及装置，方法包括步骤：拾取除焦状态信号，通过光缆传输到地面控制中心，对信号进行解调，将光信号转变为电压信号；对电压信号进行A/D采样，得到采样信号，滤波处理得到滤波信号；提取出能够准确描述焦炭塔内部焦炭状态和除焦进展的特征物理量，同时接入水力除焦钻杆高度信号和除焦喷嘴状态信号；对焦炭塔内焦炭的厚度、水力除焦钻杆高度信号、除焦喷嘴状态信号进行识别、模式匹配和实时显示。装置包括光学解调单元、数据采集单元、计算单元和模式识别单元。本发明实时获得塔内焦炭除焦状况，缩短除焦作业时间，减少安全隐患；模式识别后的信号反馈给水力除焦控制系统，可实现除焦作业全自动化控制。
找到17项技术成果数据。
找技术>-
基于模式识别的图像档案检索系统
成熟度：-
技术类型：-
应用行业：信息传输、软件和信息技术服务业
技术简介
安信数字档案管理系统是一款高效地将纸质档案转化为电子档案，并进行数字化管理的工具软件。该系统通过与用户需求的紧密结合，实现文档处理与管理的自动化、流程化，实现海量的档案高效的数字化、信息化、智能化管理。该系统的突出特点在于将模式识别技术应用到了对图像类型的识别和对表格内容的自动提取。系统集档案的采集、存贮、追加、查询、修改、删除、打印、统计、管理等功能于一体的管理系统，该系统利用图像处理技术，配以数据库技术和网络技术，能够对大量纸质文档即时采集、录入、以数字图像格式存储管理，彻底实现了纸质档案管理向电子化管理的转变。以满足政府机关、档案局(馆)、工商、税务、司法、交通、教育、房地产、金融、通信、电子等企事业单位档案管理工作的需要。
-
模式识别技术进行产品缺陷检测
成熟度：通过中试
技术类型：-
应用行业：科学研究和技术服务业
技术简介
对于企业来说，产品质量是企业的生命，而几乎任何产品都不可避免的存在缺陷。因此，任何企业要想保证产品的质量，都必须进行产品缺陷检测，避免缺陷产品流入市场，给企业的声誉带来不可估量的损失。传统的缺陷检测，主要方法有：肉眼观察法、渗透检测法、磁粉检测等。目前比较常用的方法有：超声波检测法、涡流检测、射线检测法等。各种无损检测方法，都各有其适用范围和局限性，因此有新的检测方法被不断地开发出来，其中包括红外线、X 射线成像检测、康普顿散射成像检测、超声全息检测、太赫兹检测等。任何缺陷检测问题都可以转化为一个模式识别问题，利用模式识别的理论方法进行缺陷检测。 应用情况：基于模式识别的缺陷检测技术可以对产品内部及表面的孔洞、 疵点、脏 /污点、水滴/油滴印记、条纹、破损、边缘裂缝、漏涂、皱折、刮痕、 暗斑、亮斑、边缘破损、黑点、尘埃等常见缺陷进行检测。该技术能广泛应用于金属板、管、机械零件、无纺布、薄膜、纸张、玻璃、钢材等行业。
-
基于流媒体技术的视频监控与模式识别系统
成熟度：-
技术类型：-
应用行业：信息传输、软件和信息技术服务业
技术简介
该项目的成果可以应用于各种图像分析处理应用。包括图像压缩、图像增强、图像融合，目标分类识别等，适用于包括B超、CT、探地雷达和其它雷达成像系统。项目研究方法经过转化，可以用DSP、FPGA和嵌入式系统上进行硬件实现，直接转化成产品。项目用到数字图像处理中最为前沿的小波分析和超小波分析技术实现对图像处理，可以达到最好的精度要求。 该项目研究和开发的技术可专用于特种设备成像应用中，在图像超分辩分析与复原、数字彩色B超系统、各种雷达成像系统等系统要求高精度配准等应用技术中。 目前该项目的研究成果基本成熟，计算机仿真全部实现。经过转化可以直接应用于各种软件和硬件系统中。
-
基于多元统计图表示原理的可视化信息融合与模式识别
成熟度：-
技术类型：-
应用行业：科学研究和技术服务业
技术简介
课题以模式识别和机器学习领域中存在的特征表示问题和分类器的性能评价问题为背景，以多元数据2维图表示方法作为手段，以多元图图形特征提取和图形分类器为基础，以建立基于多元数据图表示模式识别理论框架为目的，开展可视化模式识别新方法的研究。对于从领域问题中获得的特征矢量表示(已知)，利用多元数据图表示方法将其转化为2维平面可视化的多元图。研究非图特征进行多元图表示的一般原理，定义多元图映射和多元图表示矩阵的概念和公式，提出了多元图表示矩阵的三种可视化几何表达方式，从而初步建立了非图特征进行多元图表示(即公式表示、矩阵表示和几何表示)的数学理论框架。建立了从生成的多元图中提取图形特征(如图形的面积、重心、最值方法、对称性等全局特征或局部特征)的一般方法和公式。为图形特征表示与基于图表示的可视化类分类奠定基础。针对非图特征进行图表示存在的特征排序问题，可能导致不同特征排序下生成多元图图形特征的分类性能不同。提出了鉴别图形特征提取的一般方法。提出了图形不相似度的定义和公式，按照模板匹配思想提出基于图形不相似度的图形分类器，按照K近邻的思想提出基于图形不相似度的K近邻图形分类器。课题研究是一种崭新的模式识别理论与方法。
-
遥感等地质勘查图象的模式识别和数量化分析方法
成熟度：-
技术类型：-
应用行业：科学研究和技术服务业
技术简介
“遥感等地质勘查图象的模式识别和数量化分析方法”是地矿部“八五”攻关项目“多光谱遥感方法技术开发应用研究”的第四课题，编号：８５－０１－０１６－０４。首次从遥感地质信息场的概念出发，论述了遥感地质信息场数量化分析的原理、蕴涵、研究内容和实施途径；首次明确提出数据综合中数据相容性的概念；初步总结和归纳了数据相容性内容的类型、判别准则和处理方法。成功地将分维理论和数学形态学方法运用到地质数据处理和综合中，建立了地质数据分维结构判别的无标度区分形组合理论；创造性地提出了分维ＫＬ变换方法，使分维研究突破了单纯维数计算与对比的现状；提出了多元多值形态等方法，建立了多元多值数学形态等运算法则，发展了数学形态等方法。较系统地研究了遥感色调异常、线性体、环形体和水平特征的数量化分析方法，从研究环形构造不同群体概率－直径的分维关系、信息量和概率模型等统计特征，研究环形构造的含矿性；探索不同时代或成因形构造群体的区分方法，开拓了用环形构造进行找矿的新途径；提出了“色度掩模亮度匹配”算法及色调异常分析优选策略；研究了水系特征提取和水系类型识别方法。实现了地质勘查图象不规则单元的划分，特征提取和模式识别方法，研究了ＧＩＳ支持下的线、环形体分析，ＧＩＳ图件更新等方法，系统化、集成化程度较高。在微机上开发了相应的软件Ｇｅｏｍａｓｔ，软件界面友好，重要模块已汉化。
-
煤与瓦斯突出危险性的模式识别与概率预测技术
成熟度：-
技术类型：-
应用行业：科学研究和技术服务业
技术简介
多因素模式识别概率预测法在地质动力区划研究的基础上，根据所确定的活动构造信息、区域地应力场测量和岩体应力分析成果、瓦斯地质研究成果、地质勘探成果，在空间数据管理的基础上，运用模式识别技术进行综合智能分析，应用神经网络和模糊推理方法确定预测区域各单元的危险概率，对区域煤与瓦斯突出的危险性做出分类。划分煤与瓦斯突出危险区、突出威胁区和无突出危险区及其分布状况，与已发生煤与瓦斯突出点的空间关系。预测结果以突出危险性概率值大小生成分层着色图或突出危险性概率图。研究中将地质动力区划方法、地应力测量、GIS技术、数值计算方法和模式识别与概率预测技术结合起来，应用到煤与瓦斯突出区域预测的研究中。把矿区构造体系、采矿工艺过程和煤与瓦斯突出的发生看作是一个动态体系。把地形地貌的基本形态和主要特征、地质构造形式、岩体应力状态、煤岩体渗透性、瓦斯压力分布规律和煤与瓦斯突出发生密切联系起来，查明煤与瓦斯突出发生的各种因素。以断裂的构造形式和活动性、岩体的应力状态、瓦斯赋存和流动规律等综合因素作为预测煤与瓦斯突出的主要判据，建立区域预测决策分析系统。解决煤与瓦斯突出治理中的区域预测问题，并在区域预测的指导下，进一步开展局部检测和采取解危措施。该项目通过兴安矿区的地质动力区划工作，确定了区域地质构造形式及其活动特征，明确了活动断裂和岩体应力对煤与瓦斯突出的控制作用。确定了矿区现今构造应力场性质，划分出应力升高区、应力降低区和应力梯度区，计算了采动应力场的分布特征和演化过程。确定了影响煤与瓦斯突出的主要影响因素和煤与瓦斯突出危险性划分的概率预测指标。用多因素模式识别概率预测方法，实现了煤与瓦斯突出的分单元概率预测，划分了煤与瓦斯突出的危险区、威胁区和安全区。多因素模式识别概率预测方法提高了煤与瓦斯突出区域预测水平，促进了煤与瓦斯突出预测工作向定量研究方向发展，建立了一个比较科学的煤与瓦斯突出区域预测方法。对比分析和开采实践表明，地质动力区划的煤与瓦斯突出区域预测结果的总体趋势与现场有较好的一致性，矿井的煤与瓦斯突出单元概率预测图将对其预防煤与瓦斯突出工作起指导作用。煤与瓦斯突出信息管理系统实现了煤与瓦斯突出预测中的图、文、声、像等数据的可视化管理。提高了信息处理水平。对地质动力区划向定量化、科学化、动态监测、多目标、多维方向发展起到了促进作用。
-
机械工程图形扫描输入及模式识别
成熟度：-
技术类型：-
应用行业：科学研究和技术服务业
技术简介
该成果利用扫描仪将机械图纸自动扫描输入计算机，对二值图形文件可在屏幕上显示，并进行预处理，然后进行细化、轮廊跟踪、粗细线识别、长矢量拟合、数据格式转换处理，形成数据量极小的矢量图形文件，在计算机中存储或由绘图机输出满足设计和使用要求的新图纸。软件系统解决了细化、矢量化、Ｃ语言与ＡｕｔｏＣＡＤ接口等关键问题，为大量的机械老图在计算机中合理地保存、管理并利用现有机械图纸从事再设计提供了一种非常简便和高效的新方法，设计周期是原来的１／５。软件系统运行可靠，通用性强，操作简单，使用方便。
-
面向高维非结构化数据的模式识别与机器智能
成熟度：-
技术类型：-
应用行业：制造业
技术简介
本项目属信息科学中模式识别与智能系统的前沿研究领域。 近年来，生物信息学、情报与安全数据分析、医学图象处理、优化决策等相关学科领域的迅速发展，带来了大量针对复杂高维数据的分析、处理和优化控制问题，这些数据具有非结构化特点，即不能用有限规则完全表征与刻画且不能在可接受时间内进行处理，因此对模式识别与机器智能的理论创新研究也提出了新的挑战。 这些挑战问题主要涉及高维非结构化数据的自动特征提取与表示、分类识别、序贯优化决策等关键理论课题。 针对上述问题，本项目在国家杰出青年科学基金和多个国家自然科学基金的资助下，在如下三个方面取得重要研究成果： ①高维非结构化数据的特征提取与表示：研究了编码蛋白质序列的混合特征提取方法，提出基于氨基酸索引的蛋白质亚细胞定位特征提取新方法，获得了高于已有方法的蛋白质亚细胞定位预测精度。 在序列图像分析的独立成分分析（ICA）方法方面取得重要研究进展，提出与统计参数映射（SPM）相结合的方法，克服了SPM现有设计方法需要预先假设模型的缺点。 解决了ICA研究领域著名的“1-比特匹配猜想”问题。提出了一种基于形状特征与迭代松弛的手撕文档碎片全局拼接复原算法，研究成果以长文在顶级刊物IEEE T-PAMI杂志上发表，获国防专利授权1项。 提出二维局部保持投影的新算法2DLPP，并且成功应用于人脸与掌纹识别中。 高维非结构化数据的分类与检测：提出中心最近邻的模式分类新方法，提高了最近邻算法的分类精度，并且应用于蛋白质数据的分类问题中。 研究了面向图像数据分析的模糊神经网络理论和算法，提出了一种新的基于模糊细胞神经网络（FCNN）的白细胞检测算法NDA，并且获得了成功应用，显示了新方法的优越性。 提出了高级的模糊细胞神经网络（AFCNN），将AFCNN用于医学图像分割，实验结果表明了高级的模糊细胞神经网络（AFCNN）的有效性。 基于高维特征基函数的序贯优化决策：针对连续空间的序贯优化决策问题，提出了采用高维特征基函数的在线递推最小二乘时域差值（TD）学习算法与快速自适应启发评价算法FastAHC，在降低计算复杂性的同时，有效提高了增强学习算法的收敛特性和学习效率。提出基于核的近似策略迭代算法，通过在策略评价中引入具有稀疏化特性的核函数方法，提高了学习算法的泛化性能，在非线性系统学习控制问题中显示了该方法的有效性。 在2001年1月至2008年1月期间共出版学术著作2部，发表学术论文120篇，55篇论文被SCI收录。其中10篇代表性论文刊登在IEEE Transactions on Pattern Analysis and Machine Intelligence，IEEE Transactions on Neural Networks，IEEE Transactions on Fuzzy Systems，AI in Medicine，FEBS Letters等国际权威期刊上，SCI他引103次。 反映本项目研究成果处于国际同类研究先进水平，并且在蛋白质分类预测、医学图像处理、人脸与掌纹识别以及文档情报碎片拼接等领域得到应用验证。
-
基于模式识别理论的乳腺癌早期诊断技术
成熟度：-
技术类型：-
应用行业：信息传输、软件和信息技术服务业
技术简介
主要研究内容：该研究将模式识别和图像处理中的知识和理论应用到医学影像处理中。并且根据医学影像处理中的一些实际特点，结合模糊集理论、小波分析理论和神经网络理论等方面的知识，提出区别于传统数字图像处理的方法，并应用到医学影像的处理上。通过乳腺癌早期检测的研究会对模式识别理论和方法，特别是对图像处理技术和方法的提高具有很大的促进作用。乳腺癌早期检测是对图像处理、分类器设计和分类器训练等技术的综合及深化，复杂性更高，灵活性更大，智能性要求也更强，特征提取的范围更加细致，而且精度要求也更高。这些问题都将促进模式识别理论及应用的发展，并能很好的投入计算机辅助诊断系统的应用中。应用领域：医疗领域。
-
一种用于焦炭塔全自动远程除焦的模式识别方法及装置
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
摘要：一种用于焦炭塔全自动远程除焦的模式识别方法及装置，方法包括步骤：拾取除焦状态信号，通过光缆传输到地面控制中心，对信号进行解调，将光信号转变为电压信号；对电压信号进行A/D采样，得到采样信号，滤波处理得到滤波信号；提取出能够准确描述焦炭塔内部焦炭状态和除焦进展的特征物理量，同时接入水力除焦钻杆高度信号和除焦喷嘴状态信号；对焦炭塔内焦炭的厚度、水力除焦钻杆高度信号、除焦喷嘴状态信号进行识别、模式匹配和实时显示。装置包括光学解调单元、数据采集单元、计算单元和模式识别单元。本发明实时获得塔内焦炭除焦状况，缩短除焦作业时间，减少安全隐患；模式识别后的信号反馈给水力除焦控制系统，可实现除焦作业全自动化控制。
找到17项技术成果数据。
找技术>-
基于模式识别的图像档案检索系统
成熟度：-
技术类型：-
应用行业：信息传输、软件和信息技术服务业
技术简介
安信数字档案管理系统是一款高效地将纸质档案转化为电子档案，并进行数字化管理的工具软件。该系统通过与用户需求的紧密结合，实现文档处理与管理的自动化、流程化，实现海量的档案高效的数字化、信息化、智能化管理。该系统的突出特点在于将模式识别技术应用到了对图像类型的识别和对表格内容的自动提取。系统集档案的采集、存贮、追加、查询、修改、删除、打印、统计、管理等功能于一体的管理系统，该系统利用图像处理技术，配以数据库技术和网络技术，能够对大量纸质文档即时采集、录入、以数字图像格式存储管理，彻底实现了纸质档案管理向电子化管理的转变。以满足政府机关、档案局(馆)、工商、税务、司法、交通、教育、房地产、金融、通信、电子等企事业单位档案管理工作的需要。
-
模式识别技术进行产品缺陷检测
成熟度：通过中试
技术类型：-
应用行业：科学研究和技术服务业
技术简介
对于企业来说，产品质量是企业的生命，而几乎任何产品都不可避免的存在缺陷。因此，任何企业要想保证产品的质量，都必须进行产品缺陷检测，避免缺陷产品流入市场，给企业的声誉带来不可估量的损失。传统的缺陷检测，主要方法有：肉眼观察法、渗透检测法、磁粉检测等。目前比较常用的方法有：超声波检测法、涡流检测、射线检测法等。各种无损检测方法，都各有其适用范围和局限性，因此有新的检测方法被不断地开发出来，其中包括红外线、X 射线成像检测、康普顿散射成像检测、超声全息检测、太赫兹检测等。任何缺陷检测问题都可以转化为一个模式识别问题，利用模式识别的理论方法进行缺陷检测。 应用情况：基于模式识别的缺陷检测技术可以对产品内部及表面的孔洞、 疵点、脏 /污点、水滴/油滴印记、条纹、破损、边缘裂缝、漏涂、皱折、刮痕、 暗斑、亮斑、边缘破损、黑点、尘埃等常见缺陷进行检测。该技术能广泛应用于金属板、管、机械零件、无纺布、薄膜、纸张、玻璃、钢材等行业。
-
基于流媒体技术的视频监控与模式识别系统
成熟度：-
技术类型：-
应用行业：信息传输、软件和信息技术服务业
技术简介
该项目的成果可以应用于各种图像分析处理应用。包括图像压缩、图像增强、图像融合，目标分类识别等，适用于包括B超、CT、探地雷达和其它雷达成像系统。项目研究方法经过转化，可以用DSP、FPGA和嵌入式系统上进行硬件实现，直接转化成产品。项目用到数字图像处理中最为前沿的小波分析和超小波分析技术实现对图像处理，可以达到最好的精度要求。 该项目研究和开发的技术可专用于特种设备成像应用中，在图像超分辩分析与复原、数字彩色B超系统、各种雷达成像系统等系统要求高精度配准等应用技术中。 目前该项目的研究成果基本成熟，计算机仿真全部实现。经过转化可以直接应用于各种软件和硬件系统中。
-
基于多元统计图表示原理的可视化信息融合与模式识别
成熟度：-
技术类型：-
应用行业：科学研究和技术服务业
技术简介
课题以模式识别和机器学习领域中存在的特征表示问题和分类器的性能评价问题为背景，以多元数据2维图表示方法作为手段，以多元图图形特征提取和图形分类器为基础，以建立基于多元数据图表示模式识别理论框架为目的，开展可视化模式识别新方法的研究。对于从领域问题中获得的特征矢量表示(已知)，利用多元数据图表示方法将其转化为2维平面可视化的多元图。研究非图特征进行多元图表示的一般原理，定义多元图映射和多元图表示矩阵的概念和公式，提出了多元图表示矩阵的三种可视化几何表达方式，从而初步建立了非图特征进行多元图表示(即公式表示、矩阵表示和几何表示)的数学理论框架。建立了从生成的多元图中提取图形特征(如图形的面积、重心、最值方法、对称性等全局特征或局部特征)的一般方法和公式。为图形特征表示与基于图表示的可视化类分类奠定基础。针对非图特征进行图表示存在的特征排序问题，可能导致不同特征排序下生成多元图图形特征的分类性能不同。提出了鉴别图形特征提取的一般方法。提出了图形不相似度的定义和公式，按照模板匹配思想提出基于图形不相似度的图形分类器，按照K近邻的思想提出基于图形不相似度的K近邻图形分类器。课题研究是一种崭新的模式识别理论与方法。
-
遥感等地质勘查图象的模式识别和数量化分析方法
成熟度：-
技术类型：-
应用行业：科学研究和技术服务业
技术简介
“遥感等地质勘查图象的模式识别和数量化分析方法”是地矿部“八五”攻关项目“多光谱遥感方法技术开发应用研究”的第四课题，编号：８５－０１－０１６－０４。首次从遥感地质信息场的概念出发，论述了遥感地质信息场数量化分析的原理、蕴涵、研究内容和实施途径；首次明确提出数据综合中数据相容性的概念；初步总结和归纳了数据相容性内容的类型、判别准则和处理方法。成功地将分维理论和数学形态学方法运用到地质数据处理和综合中，建立了地质数据分维结构判别的无标度区分形组合理论；创造性地提出了分维ＫＬ变换方法，使分维研究突破了单纯维数计算与对比的现状；提出了多元多值形态等方法，建立了多元多值数学形态等运算法则，发展了数学形态等方法。较系统地研究了遥感色调异常、线性体、环形体和水平特征的数量化分析方法，从研究环形构造不同群体概率－直径的分维关系、信息量和概率模型等统计特征，研究环形构造的含矿性；探索不同时代或成因形构造群体的区分方法，开拓了用环形构造进行找矿的新途径；提出了“色度掩模亮度匹配”算法及色调异常分析优选策略；研究了水系特征提取和水系类型识别方法。实现了地质勘查图象不规则单元的划分，特征提取和模式识别方法，研究了ＧＩＳ支持下的线、环形体分析，ＧＩＳ图件更新等方法，系统化、集成化程度较高。在微机上开发了相应的软件Ｇｅｏｍａｓｔ，软件界面友好，重要模块已汉化。
-
煤与瓦斯突出危险性的模式识别与概率预测技术
成熟度：-
技术类型：-
应用行业：科学研究和技术服务业
技术简介
多因素模式识别概率预测法在地质动力区划研究的基础上，根据所确定的活动构造信息、区域地应力场测量和岩体应力分析成果、瓦斯地质研究成果、地质勘探成果，在空间数据管理的基础上，运用模式识别技术进行综合智能分析，应用神经网络和模糊推理方法确定预测区域各单元的危险概率，对区域煤与瓦斯突出的危险性做出分类。划分煤与瓦斯突出危险区、突出威胁区和无突出危险区及其分布状况，与已发生煤与瓦斯突出点的空间关系。预测结果以突出危险性概率值大小生成分层着色图或突出危险性概率图。研究中将地质动力区划方法、地应力测量、GIS技术、数值计算方法和模式识别与概率预测技术结合起来，应用到煤与瓦斯突出区域预测的研究中。把矿区构造体系、采矿工艺过程和煤与瓦斯突出的发生看作是一个动态体系。把地形地貌的基本形态和主要特征、地质构造形式、岩体应力状态、煤岩体渗透性、瓦斯压力分布规律和煤与瓦斯突出发生密切联系起来，查明煤与瓦斯突出发生的各种因素。以断裂的构造形式和活动性、岩体的应力状态、瓦斯赋存和流动规律等综合因素作为预测煤与瓦斯突出的主要判据，建立区域预测决策分析系统。解决煤与瓦斯突出治理中的区域预测问题，并在区域预测的指导下，进一步开展局部检测和采取解危措施。该项目通过兴安矿区的地质动力区划工作，确定了区域地质构造形式及其活动特征，明确了活动断裂和岩体应力对煤与瓦斯突出的控制作用。确定了矿区现今构造应力场性质，划分出应力升高区、应力降低区和应力梯度区，计算了采动应力场的分布特征和演化过程。确定了影响煤与瓦斯突出的主要影响因素和煤与瓦斯突出危险性划分的概率预测指标。用多因素模式识别概率预测方法，实现了煤与瓦斯突出的分单元概率预测，划分了煤与瓦斯突出的危险区、威胁区和安全区。多因素模式识别概率预测方法提高了煤与瓦斯突出区域预测水平，促进了煤与瓦斯突出预测工作向定量研究方向发展，建立了一个比较科学的煤与瓦斯突出区域预测方法。对比分析和开采实践表明，地质动力区划的煤与瓦斯突出区域预测结果的总体趋势与现场有较好的一致性，矿井的煤与瓦斯突出单元概率预测图将对其预防煤与瓦斯突出工作起指导作用。煤与瓦斯突出信息管理系统实现了煤与瓦斯突出预测中的图、文、声、像等数据的可视化管理。提高了信息处理水平。对地质动力区划向定量化、科学化、动态监测、多目标、多维方向发展起到了促进作用。
-
机械工程图形扫描输入及模式识别
成熟度：-
技术类型：-
应用行业：科学研究和技术服务业
技术简介
该成果利用扫描仪将机械图纸自动扫描输入计算机，对二值图形文件可在屏幕上显示，并进行预处理，然后进行细化、轮廊跟踪、粗细线识别、长矢量拟合、数据格式转换处理，形成数据量极小的矢量图形文件，在计算机中存储或由绘图机输出满足设计和使用要求的新图纸。软件系统解决了细化、矢量化、Ｃ语言与ＡｕｔｏＣＡＤ接口等关键问题，为大量的机械老图在计算机中合理地保存、管理并利用现有机械图纸从事再设计提供了一种非常简便和高效的新方法，设计周期是原来的１／５。软件系统运行可靠，通用性强，操作简单，使用方便。
-
面向高维非结构化数据的模式识别与机器智能
成熟度：-
技术类型：-
应用行业：制造业
技术简介
本项目属信息科学中模式识别与智能系统的前沿研究领域。 近年来，生物信息学、情报与安全数据分析、医学图象处理、优化决策等相关学科领域的迅速发展，带来了大量针对复杂高维数据的分析、处理和优化控制问题，这些数据具有非结构化特点，即不能用有限规则完全表征与刻画且不能在可接受时间内进行处理，因此对模式识别与机器智能的理论创新研究也提出了新的挑战。 这些挑战问题主要涉及高维非结构化数据的自动特征提取与表示、分类识别、序贯优化决策等关键理论课题。 针对上述问题，本项目在国家杰出青年科学基金和多个国家自然科学基金的资助下，在如下三个方面取得重要研究成果： ①高维非结构化数据的特征提取与表示：研究了编码蛋白质序列的混合特征提取方法，提出基于氨基酸索引的蛋白质亚细胞定位特征提取新方法，获得了高于已有方法的蛋白质亚细胞定位预测精度。 在序列图像分析的独立成分分析（ICA）方法方面取得重要研究进展，提出与统计参数映射（SPM）相结合的方法，克服了SPM现有设计方法需要预先假设模型的缺点。 解决了ICA研究领域著名的“1-比特匹配猜想”问题。提出了一种基于形状特征与迭代松弛的手撕文档碎片全局拼接复原算法，研究成果以长文在顶级刊物IEEE T-PAMI杂志上发表，获国防专利授权1项。 提出二维局部保持投影的新算法2DLPP，并且成功应用于人脸与掌纹识别中。 高维非结构化数据的分类与检测：提出中心最近邻的模式分类新方法，提高了最近邻算法的分类精度，并且应用于蛋白质数据的分类问题中。 研究了面向图像数据分析的模糊神经网络理论和算法，提出了一种新的基于模糊细胞神经网络（FCNN）的白细胞检测算法NDA，并且获得了成功应用，显示了新方法的优越性。 提出了高级的模糊细胞神经网络（AFCNN），将AFCNN用于医学图像分割，实验结果表明了高级的模糊细胞神经网络（AFCNN）的有效性。 基于高维特征基函数的序贯优化决策：针对连续空间的序贯优化决策问题，提出了采用高维特征基函数的在线递推最小二乘时域差值（TD）学习算法与快速自适应启发评价算法FastAHC，在降低计算复杂性的同时，有效提高了增强学习算法的收敛特性和学习效率。提出基于核的近似策略迭代算法，通过在策略评价中引入具有稀疏化特性的核函数方法，提高了学习算法的泛化性能，在非线性系统学习控制问题中显示了该方法的有效性。 在2001年1月至2008年1月期间共出版学术著作2部，发表学术论文120篇，55篇论文被SCI收录。其中10篇代表性论文刊登在IEEE Transactions on Pattern Analysis and Machine Intelligence，IEEE Transactions on Neural Networks，IEEE Transactions on Fuzzy Systems，AI in Medicine，FEBS Letters等国际权威期刊上，SCI他引103次。 反映本项目研究成果处于国际同类研究先进水平，并且在蛋白质分类预测、医学图像处理、人脸与掌纹识别以及文档情报碎片拼接等领域得到应用验证。
-
基于模式识别理论的乳腺癌早期诊断技术
成熟度：-
技术类型：-
应用行业：信息传输、软件和信息技术服务业
技术简介
主要研究内容：该研究将模式识别和图像处理中的知识和理论应用到医学影像处理中。并且根据医学影像处理中的一些实际特点，结合模糊集理论、小波分析理论和神经网络理论等方面的知识，提出区别于传统数字图像处理的方法，并应用到医学影像的处理上。通过乳腺癌早期检测的研究会对模式识别理论和方法，特别是对图像处理技术和方法的提高具有很大的促进作用。乳腺癌早期检测是对图像处理、分类器设计和分类器训练等技术的综合及深化，复杂性更高，灵活性更大，智能性要求也更强，特征提取的范围更加细致，而且精度要求也更高。这些问题都将促进模式识别理论及应用的发展，并能很好的投入计算机辅助诊断系统的应用中。应用领域：医疗领域。
-
一种用于焦炭塔全自动远程除焦的模式识别方法及装置
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
摘要：一种用于焦炭塔全自动远程除焦的模式识别方法及装置，方法包括步骤：拾取除焦状态信号，通过光缆传输到地面控制中心，对信号进行解调，将光信号转变为电压信号；对电压信号进行A/D采样，得到采样信号，滤波处理得到滤波信号；提取出能够准确描述焦炭塔内部焦炭状态和除焦进展的特征物理量，同时接入水力除焦钻杆高度信号和除焦喷嘴状态信号；对焦炭塔内焦炭的厚度、水力除焦钻杆高度信号、除焦喷嘴状态信号进行识别、模式匹配和实时显示。装置包括光学解调单元、数据采集单元、计算单元和模式识别单元。本发明实时获得塔内焦炭除焦状况，缩短除焦作业时间，减少安全隐患；模式识别后的信号反馈给水力除焦控制系统，可实现除焦作业全自动化控制。
找到17项技术成果数据。
找技术>-
基于模式识别的图像档案检索系统
成熟度：-
技术类型：-
应用行业：信息传输、软件和信息技术服务业
技术简介
安信数字档案管理系统是一款高效地将纸质档案转化为电子档案，并进行数字化管理的工具软件。该系统通过与用户需求的紧密结合，实现文档处理与管理的自动化、流程化，实现海量的档案高效的数字化、信息化、智能化管理。该系统的突出特点在于将模式识别技术应用到了对图像类型的识别和对表格内容的自动提取。系统集档案的采集、存贮、追加、查询、修改、删除、打印、统计、管理等功能于一体的管理系统，该系统利用图像处理技术，配以数据库技术和网络技术，能够对大量纸质文档即时采集、录入、以数字图像格式存储管理，彻底实现了纸质档案管理向电子化管理的转变。以满足政府机关、档案局(馆)、工商、税务、司法、交通、教育、房地产、金融、通信、电子等企事业单位档案管理工作的需要。
-
模式识别技术进行产品缺陷检测
成熟度：通过中试
技术类型：-
应用行业：科学研究和技术服务业
技术简介
对于企业来说，产品质量是企业的生命，而几乎任何产品都不可避免的存在缺陷。因此，任何企业要想保证产品的质量，都必须进行产品缺陷检测，避免缺陷产品流入市场，给企业的声誉带来不可估量的损失。传统的缺陷检测，主要方法有：肉眼观察法、渗透检测法、磁粉检测等。目前比较常用的方法有：超声波检测法、涡流检测、射线检测法等。各种无损检测方法，都各有其适用范围和局限性，因此有新的检测方法被不断地开发出来，其中包括红外线、X 射线成像检测、康普顿散射成像检测、超声全息检测、太赫兹检测等。任何缺陷检测问题都可以转化为一个模式识别问题，利用模式识别的理论方法进行缺陷检测。 应用情况：基于模式识别的缺陷检测技术可以对产品内部及表面的孔洞、 疵点、脏 /污点、水滴/油滴印记、条纹、破损、边缘裂缝、漏涂、皱折、刮痕、 暗斑、亮斑、边缘破损、黑点、尘埃等常见缺陷进行检测。该技术能广泛应用于金属板、管、机械零件、无纺布、薄膜、纸张、玻璃、钢材等行业。
-
基于流媒体技术的视频监控与模式识别系统
成熟度：-
技术类型：-
应用行业：信息传输、软件和信息技术服务业
技术简介
该项目的成果可以应用于各种图像分析处理应用。包括图像压缩、图像增强、图像融合，目标分类识别等，适用于包括B超、CT、探地雷达和其它雷达成像系统。项目研究方法经过转化，可以用DSP、FPGA和嵌入式系统上进行硬件实现，直接转化成产品。项目用到数字图像处理中最为前沿的小波分析和超小波分析技术实现对图像处理，可以达到最好的精度要求。 该项目研究和开发的技术可专用于特种设备成像应用中，在图像超分辩分析与复原、数字彩色B超系统、各种雷达成像系统等系统要求高精度配准等应用技术中。 目前该项目的研究成果基本成熟，计算机仿真全部实现。经过转化可以直接应用于各种软件和硬件系统中。
-
基于多元统计图表示原理的可视化信息融合与模式识别
成熟度：-
技术类型：-
应用行业：科学研究和技术服务业
技术简介
课题以模式识别和机器学习领域中存在的特征表示问题和分类器的性能评价问题为背景，以多元数据2维图表示方法作为手段，以多元图图形特征提取和图形分类器为基础，以建立基于多元数据图表示模式识别理论框架为目的，开展可视化模式识别新方法的研究。对于从领域问题中获得的特征矢量表示(已知)，利用多元数据图表示方法将其转化为2维平面可视化的多元图。研究非图特征进行多元图表示的一般原理，定义多元图映射和多元图表示矩阵的概念和公式，提出了多元图表示矩阵的三种可视化几何表达方式，从而初步建立了非图特征进行多元图表示(即公式表示、矩阵表示和几何表示)的数学理论框架。建立了从生成的多元图中提取图形特征(如图形的面积、重心、最值方法、对称性等全局特征或局部特征)的一般方法和公式。为图形特征表示与基于图表示的可视化类分类奠定基础。针对非图特征进行图表示存在的特征排序问题，可能导致不同特征排序下生成多元图图形特征的分类性能不同。提出了鉴别图形特征提取的一般方法。提出了图形不相似度的定义和公式，按照模板匹配思想提出基于图形不相似度的图形分类器，按照K近邻的思想提出基于图形不相似度的K近邻图形分类器。课题研究是一种崭新的模式识别理论与方法。
-
遥感等地质勘查图象的模式识别和数量化分析方法
成熟度：-
技术类型：-
应用行业：科学研究和技术服务业
技术简介
“遥感等地质勘查图象的模式识别和数量化分析方法”是地矿部“八五”攻关项目“多光谱遥感方法技术开发应用研究”的第四课题，编号：８５－０１－０１６－０４。首次从遥感地质信息场的概念出发，论述了遥感地质信息场数量化分析的原理、蕴涵、研究内容和实施途径；首次明确提出数据综合中数据相容性的概念；初步总结和归纳了数据相容性内容的类型、判别准则和处理方法。成功地将分维理论和数学形态学方法运用到地质数据处理和综合中，建立了地质数据分维结构判别的无标度区分形组合理论；创造性地提出了分维ＫＬ变换方法，使分维研究突破了单纯维数计算与对比的现状；提出了多元多值形态等方法，建立了多元多值数学形态等运算法则，发展了数学形态等方法。较系统地研究了遥感色调异常、线性体、环形体和水平特征的数量化分析方法，从研究环形构造不同群体概率－直径的分维关系、信息量和概率模型等统计特征，研究环形构造的含矿性；探索不同时代或成因形构造群体的区分方法，开拓了用环形构造进行找矿的新途径；提出了“色度掩模亮度匹配”算法及色调异常分析优选策略；研究了水系特征提取和水系类型识别方法。实现了地质勘查图象不规则单元的划分，特征提取和模式识别方法，研究了ＧＩＳ支持下的线、环形体分析，ＧＩＳ图件更新等方法，系统化、集成化程度较高。在微机上开发了相应的软件Ｇｅｏｍａｓｔ，软件界面友好，重要模块已汉化。
-
煤与瓦斯突出危险性的模式识别与概率预测技术
成熟度：-
技术类型：-
应用行业：科学研究和技术服务业
技术简介
多因素模式识别概率预测法在地质动力区划研究的基础上，根据所确定的活动构造信息、区域地应力场测量和岩体应力分析成果、瓦斯地质研究成果、地质勘探成果，在空间数据管理的基础上，运用模式识别技术进行综合智能分析，应用神经网络和模糊推理方法确定预测区域各单元的危险概率，对区域煤与瓦斯突出的危险性做出分类。划分煤与瓦斯突出危险区、突出威胁区和无突出危险区及其分布状况，与已发生煤与瓦斯突出点的空间关系。预测结果以突出危险性概率值大小生成分层着色图或突出危险性概率图。研究中将地质动力区划方法、地应力测量、GIS技术、数值计算方法和模式识别与概率预测技术结合起来，应用到煤与瓦斯突出区域预测的研究中。把矿区构造体系、采矿工艺过程和煤与瓦斯突出的发生看作是一个动态体系。把地形地貌的基本形态和主要特征、地质构造形式、岩体应力状态、煤岩体渗透性、瓦斯压力分布规律和煤与瓦斯突出发生密切联系起来，查明煤与瓦斯突出发生的各种因素。以断裂的构造形式和活动性、岩体的应力状态、瓦斯赋存和流动规律等综合因素作为预测煤与瓦斯突出的主要判据，建立区域预测决策分析系统。解决煤与瓦斯突出治理中的区域预测问题，并在区域预测的指导下，进一步开展局部检测和采取解危措施。该项目通过兴安矿区的地质动力区划工作，确定了区域地质构造形式及其活动特征，明确了活动断裂和岩体应力对煤与瓦斯突出的控制作用。确定了矿区现今构造应力场性质，划分出应力升高区、应力降低区和应力梯度区，计算了采动应力场的分布特征和演化过程。确定了影响煤与瓦斯突出的主要影响因素和煤与瓦斯突出危险性划分的概率预测指标。用多因素模式识别概率预测方法，实现了煤与瓦斯突出的分单元概率预测，划分了煤与瓦斯突出的危险区、威胁区和安全区。多因素模式识别概率预测方法提高了煤与瓦斯突出区域预测水平，促进了煤与瓦斯突出预测工作向定量研究方向发展，建立了一个比较科学的煤与瓦斯突出区域预测方法。对比分析和开采实践表明，地质动力区划的煤与瓦斯突出区域预测结果的总体趋势与现场有较好的一致性，矿井的煤与瓦斯突出单元概率预测图将对其预防煤与瓦斯突出工作起指导作用。煤与瓦斯突出信息管理系统实现了煤与瓦斯突出预测中的图、文、声、像等数据的可视化管理。提高了信息处理水平。对地质动力区划向定量化、科学化、动态监测、多目标、多维方向发展起到了促进作用。
-
机械工程图形扫描输入及模式识别
成熟度：-
技术类型：-
应用行业：科学研究和技术服务业
技术简介
该成果利用扫描仪将机械图纸自动扫描输入计算机，对二值图形文件可在屏幕上显示，并进行预处理，然后进行细化、轮廊跟踪、粗细线识别、长矢量拟合、数据格式转换处理，形成数据量极小的矢量图形文件，在计算机中存储或由绘图机输出满足设计和使用要求的新图纸。软件系统解决了细化、矢量化、Ｃ语言与ＡｕｔｏＣＡＤ接口等关键问题，为大量的机械老图在计算机中合理地保存、管理并利用现有机械图纸从事再设计提供了一种非常简便和高效的新方法，设计周期是原来的１／５。软件系统运行可靠，通用性强，操作简单，使用方便。
-
面向高维非结构化数据的模式识别与机器智能
成熟度：-
技术类型：-
应用行业：制造业
技术简介
本项目属信息科学中模式识别与智能系统的前沿研究领域。 近年来，生物信息学、情报与安全数据分析、医学图象处理、优化决策等相关学科领域的迅速发展，带来了大量针对复杂高维数据的分析、处理和优化控制问题，这些数据具有非结构化特点，即不能用有限规则完全表征与刻画且不能在可接受时间内进行处理，因此对模式识别与机器智能的理论创新研究也提出了新的挑战。 这些挑战问题主要涉及高维非结构化数据的自动特征提取与表示、分类识别、序贯优化决策等关键理论课题。 针对上述问题，本项目在国家杰出青年科学基金和多个国家自然科学基金的资助下，在如下三个方面取得重要研究成果： ①高维非结构化数据的特征提取与表示：研究了编码蛋白质序列的混合特征提取方法，提出基于氨基酸索引的蛋白质亚细胞定位特征提取新方法，获得了高于已有方法的蛋白质亚细胞定位预测精度。 在序列图像分析的独立成分分析（ICA）方法方面取得重要研究进展，提出与统计参数映射（SPM）相结合的方法，克服了SPM现有设计方法需要预先假设模型的缺点。 解决了ICA研究领域著名的“1-比特匹配猜想”问题。提出了一种基于形状特征与迭代松弛的手撕文档碎片全局拼接复原算法，研究成果以长文在顶级刊物IEEE T-PAMI杂志上发表，获国防专利授权1项。 提出二维局部保持投影的新算法2DLPP，并且成功应用于人脸与掌纹识别中。 高维非结构化数据的分类与检测：提出中心最近邻的模式分类新方法，提高了最近邻算法的分类精度，并且应用于蛋白质数据的分类问题中。 研究了面向图像数据分析的模糊神经网络理论和算法，提出了一种新的基于模糊细胞神经网络（FCNN）的白细胞检测算法NDA，并且获得了成功应用，显示了新方法的优越性。 提出了高级的模糊细胞神经网络（AFCNN），将AFCNN用于医学图像分割，实验结果表明了高级的模糊细胞神经网络（AFCNN）的有效性。 基于高维特征基函数的序贯优化决策：针对连续空间的序贯优化决策问题，提出了采用高维特征基函数的在线递推最小二乘时域差值（TD）学习算法与快速自适应启发评价算法FastAHC，在降低计算复杂性的同时，有效提高了增强学习算法的收敛特性和学习效率。提出基于核的近似策略迭代算法，通过在策略评价中引入具有稀疏化特性的核函数方法，提高了学习算法的泛化性能，在非线性系统学习控制问题中显示了该方法的有效性。 在2001年1月至2008年1月期间共出版学术著作2部，发表学术论文120篇，55篇论文被SCI收录。其中10篇代表性论文刊登在IEEE Transactions on Pattern Analysis and Machine Intelligence，IEEE Transactions on Neural Networks，IEEE Transactions on Fuzzy Systems，AI in Medicine，FEBS Letters等国际权威期刊上，SCI他引103次。 反映本项目研究成果处于国际同类研究先进水平，并且在蛋白质分类预测、医学图像处理、人脸与掌纹识别以及文档情报碎片拼接等领域得到应用验证。
-
基于模式识别理论的乳腺癌早期诊断技术
成熟度：-
技术类型：-
应用行业：信息传输、软件和信息技术服务业
技术简介
主要研究内容：该研究将模式识别和图像处理中的知识和理论应用到医学影像处理中。并且根据医学影像处理中的一些实际特点，结合模糊集理论、小波分析理论和神经网络理论等方面的知识，提出区别于传统数字图像处理的方法，并应用到医学影像的处理上。通过乳腺癌早期检测的研究会对模式识别理论和方法，特别是对图像处理技术和方法的提高具有很大的促进作用。乳腺癌早期检测是对图像处理、分类器设计和分类器训练等技术的综合及深化，复杂性更高，灵活性更大，智能性要求也更强，特征提取的范围更加细致，而且精度要求也更高。这些问题都将促进模式识别理论及应用的发展，并能很好的投入计算机辅助诊断系统的应用中。应用领域：医疗领域。
-
一种用于焦炭塔全自动远程除焦的模式识别方法及装置
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
摘要：一种用于焦炭塔全自动远程除焦的模式识别方法及装置，方法包括步骤：拾取除焦状态信号，通过光缆传输到地面控制中心，对信号进行解调，将光信号转变为电压信号；对电压信号进行A/D采样，得到采样信号，滤波处理得到滤波信号；提取出能够准确描述焦炭塔内部焦炭状态和除焦进展的特征物理量，同时接入水力除焦钻杆高度信号和除焦喷嘴状态信号；对焦炭塔内焦炭的厚度、水力除焦钻杆高度信号、除焦喷嘴状态信号进行识别、模式匹配和实时显示。装置包括光学解调单元、数据采集单元、计算单元和模式识别单元。本发明实时获得塔内焦炭除焦状况，缩短除焦作业时间，减少安全隐患；模式识别后的信号反馈给水力除焦控制系统，可实现除焦作业全自动化控制。
找到17项技术成果数据。
找技术>-
基于模式识别的图像档案检索系统
成熟度：-
技术类型：-
应用行业：信息传输、软件和信息技术服务业
技术简介
安信数字档案管理系统是一款高效地将纸质档案转化为电子档案，并进行数字化管理的工具软件。该系统通过与用户需求的紧密结合，实现文档处理与管理的自动化、流程化，实现海量的档案高效的数字化、信息化、智能化管理。该系统的突出特点在于将模式识别技术应用到了对图像类型的识别和对表格内容的自动提取。系统集档案的采集、存贮、追加、查询、修改、删除、打印、统计、管理等功能于一体的管理系统，该系统利用图像处理技术，配以数据库技术和网络技术，能够对大量纸质文档即时采集、录入、以数字图像格式存储管理，彻底实现了纸质档案管理向电子化管理的转变。以满足政府机关、档案局(馆)、工商、税务、司法、交通、教育、房地产、金融、通信、电子等企事业单位档案管理工作的需要。
-
模式识别技术进行产品缺陷检测
成熟度：通过中试
技术类型：-
应用行业：科学研究和技术服务业
技术简介
对于企业来说，产品质量是企业的生命，而几乎任何产品都不可避免的存在缺陷。因此，任何企业要想保证产品的质量，都必须进行产品缺陷检测，避免缺陷产品流入市场，给企业的声誉带来不可估量的损失。传统的缺陷检测，主要方法有：肉眼观察法、渗透检测法、磁粉检测等。目前比较常用的方法有：超声波检测法、涡流检测、射线检测法等。各种无损检测方法，都各有其适用范围和局限性，因此有新的检测方法被不断地开发出来，其中包括红外线、X 射线成像检测、康普顿散射成像检测、超声全息检测、太赫兹检测等。任何缺陷检测问题都可以转化为一个模式识别问题，利用模式识别的理论方法进行缺陷检测。 应用情况：基于模式识别的缺陷检测技术可以对产品内部及表面的孔洞、 疵点、脏 /污点、水滴/油滴印记、条纹、破损、边缘裂缝、漏涂、皱折、刮痕、 暗斑、亮斑、边缘破损、黑点、尘埃等常见缺陷进行检测。该技术能广泛应用于金属板、管、机械零件、无纺布、薄膜、纸张、玻璃、钢材等行业。
-
基于流媒体技术的视频监控与模式识别系统
成熟度：-
技术类型：-
应用行业：信息传输、软件和信息技术服务业
技术简介
该项目的成果可以应用于各种图像分析处理应用。包括图像压缩、图像增强、图像融合，目标分类识别等，适用于包括B超、CT、探地雷达和其它雷达成像系统。项目研究方法经过转化，可以用DSP、FPGA和嵌入式系统上进行硬件实现，直接转化成产品。项目用到数字图像处理中最为前沿的小波分析和超小波分析技术实现对图像处理，可以达到最好的精度要求。 该项目研究和开发的技术可专用于特种设备成像应用中，在图像超分辩分析与复原、数字彩色B超系统、各种雷达成像系统等系统要求高精度配准等应用技术中。 目前该项目的研究成果基本成熟，计算机仿真全部实现。经过转化可以直接应用于各种软件和硬件系统中。
-
基于多元统计图表示原理的可视化信息融合与模式识别
成熟度：-
技术类型：-
应用行业：科学研究和技术服务业
技术简介
课题以模式识别和机器学习领域中存在的特征表示问题和分类器的性能评价问题为背景，以多元数据2维图表示方法作为手段，以多元图图形特征提取和图形分类器为基础，以建立基于多元数据图表示模式识别理论框架为目的，开展可视化模式识别新方法的研究。对于从领域问题中获得的特征矢量表示(已知)，利用多元数据图表示方法将其转化为2维平面可视化的多元图。研究非图特征进行多元图表示的一般原理，定义多元图映射和多元图表示矩阵的概念和公式，提出了多元图表示矩阵的三种可视化几何表达方式，从而初步建立了非图特征进行多元图表示(即公式表示、矩阵表示和几何表示)的数学理论框架。建立了从生成的多元图中提取图形特征(如图形的面积、重心、最值方法、对称性等全局特征或局部特征)的一般方法和公式。为图形特征表示与基于图表示的可视化类分类奠定基础。针对非图特征进行图表示存在的特征排序问题，可能导致不同特征排序下生成多元图图形特征的分类性能不同。提出了鉴别图形特征提取的一般方法。提出了图形不相似度的定义和公式，按照模板匹配思想提出基于图形不相似度的图形分类器，按照K近邻的思想提出基于图形不相似度的K近邻图形分类器。课题研究是一种崭新的模式识别理论与方法。
-
遥感等地质勘查图象的模式识别和数量化分析方法
成熟度：-
技术类型：-
应用行业：科学研究和技术服务业
技术简介
“遥感等地质勘查图象的模式识别和数量化分析方法”是地矿部“八五”攻关项目“多光谱遥感方法技术开发应用研究”的第四课题，编号：８５－０１－０１６－０４。首次从遥感地质信息场的概念出发，论述了遥感地质信息场数量化分析的原理、蕴涵、研究内容和实施途径；首次明确提出数据综合中数据相容性的概念；初步总结和归纳了数据相容性内容的类型、判别准则和处理方法。成功地将分维理论和数学形态学方法运用到地质数据处理和综合中，建立了地质数据分维结构判别的无标度区分形组合理论；创造性地提出了分维ＫＬ变换方法，使分维研究突破了单纯维数计算与对比的现状；提出了多元多值形态等方法，建立了多元多值数学形态等运算法则，发展了数学形态等方法。较系统地研究了遥感色调异常、线性体、环形体和水平特征的数量化分析方法，从研究环形构造不同群体概率－直径的分维关系、信息量和概率模型等统计特征，研究环形构造的含矿性；探索不同时代或成因形构造群体的区分方法，开拓了用环形构造进行找矿的新途径；提出了“色度掩模亮度匹配”算法及色调异常分析优选策略；研究了水系特征提取和水系类型识别方法。实现了地质勘查图象不规则单元的划分，特征提取和模式识别方法，研究了ＧＩＳ支持下的线、环形体分析，ＧＩＳ图件更新等方法，系统化、集成化程度较高。在微机上开发了相应的软件Ｇｅｏｍａｓｔ，软件界面友好，重要模块已汉化。
-
煤与瓦斯突出危险性的模式识别与概率预测技术
成熟度：-
技术类型：-
应用行业：科学研究和技术服务业
技术简介
多因素模式识别概率预测法在地质动力区划研究的基础上，根据所确定的活动构造信息、区域地应力场测量和岩体应力分析成果、瓦斯地质研究成果、地质勘探成果，在空间数据管理的基础上，运用模式识别技术进行综合智能分析，应用神经网络和模糊推理方法确定预测区域各单元的危险概率，对区域煤与瓦斯突出的危险性做出分类。划分煤与瓦斯突出危险区、突出威胁区和无突出危险区及其分布状况，与已发生煤与瓦斯突出点的空间关系。预测结果以突出危险性概率值大小生成分层着色图或突出危险性概率图。研究中将地质动力区划方法、地应力测量、GIS技术、数值计算方法和模式识别与概率预测技术结合起来，应用到煤与瓦斯突出区域预测的研究中。把矿区构造体系、采矿工艺过程和煤与瓦斯突出的发生看作是一个动态体系。把地形地貌的基本形态和主要特征、地质构造形式、岩体应力状态、煤岩体渗透性、瓦斯压力分布规律和煤与瓦斯突出发生密切联系起来，查明煤与瓦斯突出发生的各种因素。以断裂的构造形式和活动性、岩体的应力状态、瓦斯赋存和流动规律等综合因素作为预测煤与瓦斯突出的主要判据，建立区域预测决策分析系统。解决煤与瓦斯突出治理中的区域预测问题，并在区域预测的指导下，进一步开展局部检测和采取解危措施。该项目通过兴安矿区的地质动力区划工作，确定了区域地质构造形式及其活动特征，明确了活动断裂和岩体应力对煤与瓦斯突出的控制作用。确定了矿区现今构造应力场性质，划分出应力升高区、应力降低区和应力梯度区，计算了采动应力场的分布特征和演化过程。确定了影响煤与瓦斯突出的主要影响因素和煤与瓦斯突出危险性划分的概率预测指标。用多因素模式识别概率预测方法，实现了煤与瓦斯突出的分单元概率预测，划分了煤与瓦斯突出的危险区、威胁区和安全区。多因素模式识别概率预测方法提高了煤与瓦斯突出区域预测水平，促进了煤与瓦斯突出预测工作向定量研究方向发展，建立了一个比较科学的煤与瓦斯突出区域预测方法。对比分析和开采实践表明，地质动力区划的煤与瓦斯突出区域预测结果的总体趋势与现场有较好的一致性，矿井的煤与瓦斯突出单元概率预测图将对其预防煤与瓦斯突出工作起指导作用。煤与瓦斯突出信息管理系统实现了煤与瓦斯突出预测中的图、文、声、像等数据的可视化管理。提高了信息处理水平。对地质动力区划向定量化、科学化、动态监测、多目标、多维方向发展起到了促进作用。
-
机械工程图形扫描输入及模式识别
成熟度：-
技术类型：-
应用行业：科学研究和技术服务业
技术简介
该成果利用扫描仪将机械图纸自动扫描输入计算机，对二值图形文件可在屏幕上显示，并进行预处理，然后进行细化、轮廊跟踪、粗细线识别、长矢量拟合、数据格式转换处理，形成数据量极小的矢量图形文件，在计算机中存储或由绘图机输出满足设计和使用要求的新图纸。软件系统解决了细化、矢量化、Ｃ语言与ＡｕｔｏＣＡＤ接口等关键问题，为大量的机械老图在计算机中合理地保存、管理并利用现有机械图纸从事再设计提供了一种非常简便和高效的新方法，设计周期是原来的１／５。软件系统运行可靠，通用性强，操作简单，使用方便。
-
面向高维非结构化数据的模式识别与机器智能
成熟度：-
技术类型：-
应用行业：制造业
技术简介
本项目属信息科学中模式识别与智能系统的前沿研究领域。 近年来，生物信息学、情报与安全数据分析、医学图象处理、优化决策等相关学科领域的迅速发展，带来了大量针对复杂高维数据的分析、处理和优化控制问题，这些数据具有非结构化特点，即不能用有限规则完全表征与刻画且不能在可接受时间内进行处理，因此对模式识别与机器智能的理论创新研究也提出了新的挑战。 这些挑战问题主要涉及高维非结构化数据的自动特征提取与表示、分类识别、序贯优化决策等关键理论课题。 针对上述问题，本项目在国家杰出青年科学基金和多个国家自然科学基金的资助下，在如下三个方面取得重要研究成果： ①高维非结构化数据的特征提取与表示：研究了编码蛋白质序列的混合特征提取方法，提出基于氨基酸索引的蛋白质亚细胞定位特征提取新方法，获得了高于已有方法的蛋白质亚细胞定位预测精度。 在序列图像分析的独立成分分析（ICA）方法方面取得重要研究进展，提出与统计参数映射（SPM）相结合的方法，克服了SPM现有设计方法需要预先假设模型的缺点。 解决了ICA研究领域著名的“1-比特匹配猜想”问题。提出了一种基于形状特征与迭代松弛的手撕文档碎片全局拼接复原算法，研究成果以长文在顶级刊物IEEE T-PAMI杂志上发表，获国防专利授权1项。 提出二维局部保持投影的新算法2DLPP，并且成功应用于人脸与掌纹识别中。 高维非结构化数据的分类与检测：提出中心最近邻的模式分类新方法，提高了最近邻算法的分类精度，并且应用于蛋白质数据的分类问题中。 研究了面向图像数据分析的模糊神经网络理论和算法，提出了一种新的基于模糊细胞神经网络（FCNN）的白细胞检测算法NDA，并且获得了成功应用，显示了新方法的优越性。 提出了高级的模糊细胞神经网络（AFCNN），将AFCNN用于医学图像分割，实验结果表明了高级的模糊细胞神经网络（AFCNN）的有效性。 基于高维特征基函数的序贯优化决策：针对连续空间的序贯优化决策问题，提出了采用高维特征基函数的在线递推最小二乘时域差值（TD）学习算法与快速自适应启发评价算法FastAHC，在降低计算复杂性的同时，有效提高了增强学习算法的收敛特性和学习效率。提出基于核的近似策略迭代算法，通过在策略评价中引入具有稀疏化特性的核函数方法，提高了学习算法的泛化性能，在非线性系统学习控制问题中显示了该方法的有效性。 在2001年1月至2008年1月期间共出版学术著作2部，发表学术论文120篇，55篇论文被SCI收录。其中10篇代表性论文刊登在IEEE Transactions on Pattern Analysis and Machine Intelligence，IEEE Transactions on Neural Networks，IEEE Transactions on Fuzzy Systems，AI in Medicine，FEBS Letters等国际权威期刊上，SCI他引103次。 反映本项目研究成果处于国际同类研究先进水平，并且在蛋白质分类预测、医学图像处理、人脸与掌纹识别以及文档情报碎片拼接等领域得到应用验证。
-
基于模式识别理论的乳腺癌早期诊断技术
成熟度：-
技术类型：-
应用行业：信息传输、软件和信息技术服务业
技术简介
主要研究内容：该研究将模式识别和图像处理中的知识和理论应用到医学影像处理中。并且根据医学影像处理中的一些实际特点，结合模糊集理论、小波分析理论和神经网络理论等方面的知识，提出区别于传统数字图像处理的方法，并应用到医学影像的处理上。通过乳腺癌早期检测的研究会对模式识别理论和方法，特别是对图像处理技术和方法的提高具有很大的促进作用。乳腺癌早期检测是对图像处理、分类器设计和分类器训练等技术的综合及深化，复杂性更高，灵活性更大，智能性要求也更强，特征提取的范围更加细致，而且精度要求也更高。这些问题都将促进模式识别理论及应用的发展，并能很好的投入计算机辅助诊断系统的应用中。应用领域：医疗领域。
-
一种用于焦炭塔全自动远程除焦的模式识别方法及装置
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
摘要：一种用于焦炭塔全自动远程除焦的模式识别方法及装置，方法包括步骤：拾取除焦状态信号，通过光缆传输到地面控制中心，对信号进行解调，将光信号转变为电压信号；对电压信号进行A/D采样，得到采样信号，滤波处理得到滤波信号；提取出能够准确描述焦炭塔内部焦炭状态和除焦进展的特征物理量，同时接入水力除焦钻杆高度信号和除焦喷嘴状态信号；对焦炭塔内焦炭的厚度、水力除焦钻杆高度信号、除焦喷嘴状态信号进行识别、模式匹配和实时显示。装置包括光学解调单元、数据采集单元、计算单元和模式识别单元。本发明实时获得塔内焦炭除焦状况，缩短除焦作业时间，减少安全隐患；模式识别后的信号反馈给水力除焦控制系统，可实现除焦作业全自动化控制。