模式识别与智能系统

模式识别与智能系统（精选10篇）

模式识别与智能系统 篇1

高等教育是培养创新型人才的重要阶段, 高校开设课程的目标是培养学生的理论素养及解决实践问题的能力, 树立正确的世界观、人生观和价值观, 使学生的知识、能力、素质得以协调发展与提高。为此, 教师们都在不断转变陈旧的教育观念, 在摈弃传统的教学模式、教学方法弊端的同时, 不断克服困难, 通过课堂教学与课外实践活动探索、研究新的教学模式, 实现创新教育的任务。模式识别与智能系统是武汉理工大学自动化专业的新学科, 在系列课程教学中, 以人才需求为本, 教学目标为纲, 从课堂教学与实践体系、创新训练与自主学习等不同角度入手, 探索出一套教学模式。

一、多元化的课堂教学模式

1. 逐步采用以“探究式”为主的课堂教学

在课堂教学中, 改变“满堂灌”式的讲授, 逐步采用以“探究式”为主的课堂教学, 即在教师的指导下, 学生通过主动参与获得知识的过程, 加深对知识的体验, 掌握研究科学的探索能力, 形成认识科学的概念和规律, 进而培养学生探索未来世界的积极态度。

在课堂教学中, 由教师设置“问题”情景, 实施以“问题”为纲的课堂教学。以教材为基本探究内容, 以培养学生的能力为目标, 以学生主动学习合作讨论为前提组织课堂教学。学生通过自己的研究、分析、讨论总结, 寻求解决问题的方法, 以此来激发学生的求知欲望, 提高学生学习的主动性;提高学生发现问题、提出问题、分析问题的能力, 在解决问题的过程中又发现新的问题。教师对学生学习的各个环节要及时给予引导与反馈性的评价。这种方式与传统的教学有着本质意义的不同。

这种教学模式, 能建立新型的师生关系, 改变传统的主与客的地位, 可将学生作为知识创新的主要组成部分, 创造和谐的教学氛围, 活跃学生的思维, 激发学生的学习兴趣。

2. 将团队精神融入课堂教学内容中

综合分析21世纪对高素质人才的要求, 武汉理工大学所培养的学生, 除了应具备开拓精神、社会责任感、适应能力等之外, 其中“具有与他人协作的能力”是不容忽视的。也就是说, 能否培养出知识渊博而又有超强的动手能力、有独立的工作能力而又善于与人合作、具有团队精神的新世纪创新型人才, 也是衡量教育、教学工作成绩的标准之一。团队精神是主人翁精神, 是大局意识、协作精神和服务精神的集中体现。

大学教育阶段是连接学生步入社会的缓冲区和纽带。应将培养学生的团队精神融入在课堂教学过程中, 为此, 要设计一些由团队才能完成的“大作业”及课程设计, 有意识地帮助学生改变多年来形成的“自我”观念, 使他们认识到, 在知识经济的大背景下, 要有与人共事、团结协作、优势互补的团队精神;注重讲奉献;有忠诚、民主及重视集体利益的个人品质才会有创新和发展。

3. 在课堂教学中注重培养学生的口头表达能力

对学生的口才训练实质是对学生的思维训练, 如果思维不敏捷、不清晰、不严密, 语言的表达也不可能流畅、清楚。对学生的口才表达训练, 有利于提高学生的心理素质及与人沟通的能力。

在课堂教学中, 学院学习欧美有关学校教师的做法, 给学生布置的作业不仅仅是书面的, 有相当一部分作业是以报告的形式交卷的。有的题目是由一个人独立完成, 可有4~5分钟长时间的报告, 有的题目由一个小组共同完成, 每一个成员有1分钟左右短时间的报告, 而且时间要求严格, 要求时间长的决不能短, 而要求时间短的也决不能长。这样, 在限定的时间段内, 学生必须将问题的核心很有层次地表达出来, 这样做, 既训练了他们的思维, 又锻炼了他们的语言表达能力。

应当看到, 口才交际能力在现代社会中已越来越被重视, 是当今社会与人沟通、交流的一种重要能力。

4. 科教融合, 将新的科研成果实施于课堂教学中

学院将新的科研成果和学术前沿知识有机融于课堂教学中, 采用合适的方式在课堂教学中阐述, 层层分析, 抽丝拔茧, 既使学生感兴趣, 又使学生不觉生僻, 使本科生提早接触到科研文化的熏陶, 提高他们对专业课程的学习兴趣, 使其掌握科研方法, 提高他们的科研能力及探索精神。为将来研究生学习或进入社会打下一个坚实基础。

科教融合, 学术育人, 既丰富了学生新的知识, 又扩大了学生的视野、调动学生的学习兴趣, 激发了他们的创新热潮。

5. 针对不同的教育对象, 选择合适的教育角度

了解教育对象, 进行具有针对性的教育, 是大学教育的基本原则, 因每个时期的教育群体不尽相同, 因此, 根据不同的教育对象, 选择不同的教育方法, 从适合教育对象的特点入手选择论述角度, 增强教育的生命力。当代大学生的特点是思想活跃、创新意识强烈, 知识广博、信息获取快速, 但他们大多是方法简单, 有些极端主义, 忽视实践、具有实用主义倾向。所以, 在教学过程中要深入分析学生的思想状况和特征, 因势利导, 进行有针对性教学, 以利培养出具有主动性、适应当今经济社会需用的人才。

二、多层次的实践教学模式

1. 实验室实践教学

基础训练遵循实践教学由浅入深、由易到难的规律, 培养学生的基本实验技能和基本工程素质, 提高学生的动手能力, 强化课堂教学知识, 使学生对知识技能的掌握由理解到“会”的程度。基础训练的目标是加深对课堂知识的理解, 不要求应用与创新。

学生完成了基础训练后, 对教学内容和要求有了一定的了解并初步掌握了实验方法。为了进一步培养学生获取知识的能力, 要布置综合性实验, 要求学生在课外开放实验室完成。综合性实验题目覆盖的知识点尽可能多, 同时注重实用性, 引导学生围绕综合设计目标, 锻炼学生对复杂问题进行分析与解决的能力, 激发他们创造知识的能力。

综合性实验不仅要完成工程目标, 还要写出规范的实验报告。

2. 开展专业训练的实践教学

通过广泛的社会调查, 将社会对自动化专业人才需求进行分类及职责分析, 模拟社会需求项目, 建立模拟专业训练题库, 让学生利用课余时间在开放实验室自由组合或独立完成, 训练内容涵盖需求分析、详细设计等环节, 这样做, 既可使教学与社会需求相结合, 又可克服学生理论脱离实际的弊病。通过学生的反复自我训练, 培养他们的专业技能, 训练其职业素养及行业兴趣, 为将来学生走向工作岗位奠定基础, 拓展学生的求职空间。

3. 面向企业的实践教学

学生在获得技能训练的背景下, 通过校企结合, 让学生参加面向企业的实践, 参加实际的生产项目或科研课题, 可进一步提高他们的职业能力。

目前, 能接纳学生实践的企业较少, 学院将积极与学校及有关企业联系, 争取学校企业共同投资, 在企业或校内建立训练基地, 按对口企业的标准建立训练平台, 创造真实生产环境, 组织技能训练, 更加强化学生的能力培养, 实现学生的零距离上岗。

三、网络环境下自主学习模式

基于网络的学习是一种自主学习形式, 通过培养学生的主体意识, 指导训练学生掌握学习方法, 在整个学习过程中, 没有直接的外界压力和要求, 让学生懂得自定目标、自选方法、自我调控、自我评价, 实现学生自主学习的一整套教学结构体系。

网络课程平台提供了丰富的课程学习资源, 为学生提供了一个很好的自主学习环境, 在这样的环境中, 不但能充分尊重学生的个性和差异, 引导学生的个性化及开发式学习, 还能扩展他们的感知和空间, 突破时空和教学进度的限制, 为学生兴趣的发展提供广阔的多维空间, 最大限度地发挥他们的创造能力。

为了配合学生在网络环境下的的自主学习, 课程组已编制了本学科的两门课程网络教学课件。通过多元化的课堂教学→多层次的实践教学→网络环境自主学习, 实现了从课堂到课外、理论到实践、个人到团队的有机融合, 在教学探索中, 这是一种好的教学模式。

摘要：为了培养具有创新意识和创新能力的人才, 模式识别与智能系统学科在系列课程教学中, 以人才需求为本, 教学目标为纲, 探索出多元化的课堂教学模式、多层次的实践教学体系、主动式的自主学习方法, 实现了从课堂到课外、理论到实践、个人到团队的有机融合。

关键词：创新教育,多元化课堂教学,多层次实践教学,主动式自主学习

参考文献

[1]徐鹏, 周明圣, 蒋平.试论高校创新型人才培养的改革思路与着力点[J].黑龙江教育:高教研究与评估, 2009, (3) .

[2]刘永红.在教学实践中探索创新型人才培养思路和方法[J].中国电力教育, 2012, (3) .

模式识别与智能系统 篇2

你好!首先感谢您能抽出宝贵的时间来看我的自荐信。

本人是xxx电子科技大学电子信息与自动化学院模式识别与智能系统2013届硕士生。

在过去的几年的大学生活中，我勤奋刻苦，力求向上，努力学习基础与专业知识，课余时间积极的去拓宽自己的知识，并积极组织和参加学校的各种活动。在学习之余，不忘锻炼自己的综合素质能力。

我乐观向上，爱好广泛具有挑战精神!在大学里我勇于挑战各种使我进步的压力。所以，我积极参加演讲，积极组织活动来锻炼我的心理承受能力和组织能力。积极参加各种活动。在大学里并且现在已是党员。通过做学生工作的实践，认识到：细节决定成败!希望通过我的这封自荐信，能使您对我有一个更全面深入的了解，我愿意以极大的热情与责任心投入到贵公司的发展建设中去。您的选择是我的期望。

此致

敬礼!

模式识别与智能系统 篇3

关键词： 模式识别系统 统计模式识别 发展趋势

1.引言

通常我们所说的机器识别、计算机识别等都属于模式识别。它是通过某种方法对事物进行分析比较，根据某种判别规则识别事物。如：手写数字识别，是对0～9数字进行模式匹配，计算出相似度较高的对应值作为识别结果。模式识别研究的内容是使机器完成曾经只有人类才能完成的事，它具有分析、描述与判断事物的能力。经过多年的迅速发展，当前模式识别已经广泛应用于各个领域，如工、农、医、自然科学、社会科学等。在农业中，通过分析土壤成分及农产品的收成，决定种植何种作物、了解养料是否充足，以提高产量。在工业生产中，有语音识别、过程控制、地下探测、图像分割等。医学中主要有心电图与向量心电图分析、显微观察与生物医学数据分析、基因染色体研究、医学图像分割等。在自然科学中有地球和行星探测、卫星数据分析、遥感图像地质勘探等方面应用广泛。然而，种种应用都是随着问题的出现而出现的解决方法，至今模式识别还没有发展成统一的、有效的可以应用于所有模式识别的理论。模式识别的技术对国民经济建设和国防科技发展的重要性已得到人们的认可和广泛重视。本文将就模式识别所涉及的基本问题、研究的领域及其当前进展现状进行详细的介绍，并对模式识别的发展趋势进行展望。

2.模式识别系统

模式识别系统在工作时，只要判别被识别的对象落入哪一个区域，就能确定出它所属的类别。由噪声等导致的变异性，可通过预处理部分消除；模式本身固有的变异性可通过特征提取和选择得到控制。因此，一个典型的模式识别系统由数据获取、预处理、特征提取、分类决策及分类器设计组成。对应部分分别完成未知类别模式分类、分类器设计训练和对识别样品的分类决策。基本的模式识别方法有统计模式识别方法和结构模式识别方法。除此之外，还有模糊模式识别、神经网络模式识别和多分类器融合方法。以下对模式识别系统中五个组成部分简单介绍：

（1）数据获取

通常获取的数据类型有二维图像、一维波形、物理参量逻辑值三种。计算机使用可运算的符号研究文字、指纹、心电图、体温等对象。

（2）预处理

预处理的目的就是对原退化或干扰、冗余的数据信息进行去噪、复原，提取有用的信息。

（3）特征提取和选择

一般来说它包含将所获取的原始量测数据转换成能反映事物本质，并能将其最有效分类的特征表示，输入的是经过预处理的量测数据。通过将原始量测数据转换成有效方式表示的信息，分类器能根据这些信息决定样本的类别，对所获取的信息实现高维量测空间转换成地维特征空间。

（4）分类决策

模式识别系统工作有训练方式和分类决策两种方式。前一种是在确定的特征空间中，对测量数据进行特征选择与提取，得到样本的特征空间分布，并决定分类器参数。后一种方式是对待分类样本进行分类决策的过程。

（5）分类器设计

模式识别研究的主要目的是利用计算机进行模式分类。分类器设计的基本做法是在样品训练集的基础上来确定判别函数、改进判别函数和误差检验。我们把执行模式识别的计算机系统成为模式识别系统。

3.统计模式识别

统计模式识别（Statistic Pattern Recognition）的基本原理是，相似性高的样本在模式空间中相互接近，形成“簇”，根据模式所得的特征向量，判归所属类目。统计模式识别的方法有：

（1）贝叶斯决策方法

贝叶斯决策包含三种基本假设：首先是各类别总体的概率分布式已知的，其次是被决策的分类数是一定的，最后是被识别的事物或对象有多个特征观测值。运用统计决策理论设计的分类系统又称为分类器。分类器的判别准则有：最小错误概率贝叶斯判别准则、最小风险贝叶斯判别和聂曼·皮尔逊判别准则。

（2）判别函数法

判别函数可以是线性的，也可以使非线性的。利用已知类别的训练集，通过统计方法，求得判别函数的具体形式和参数，求出未知样本类别。由于该方法无需依赖条件分布密度等先验知识，因此，在一些场合要比基于贝叶斯公式的概率分类法简单。

（3）监督参数统计法

包括该方法分为KNN法（K最近邻法）和Fisher判别分析法。前者的基本原理是将分好类别的训练样本点映射到多维空间中，建立与待分类的未知样本对应关系，若近邻中某一类样本最多，则将该未知样本判为该类。该方法的优势在于对数据的结构没有特定要求，也无需训练，缺点在于计算量大。

（4）非监督参数统计法

有基于概率密度函数估计的直接方法和与样本空间相似性度量的间接聚类方法。

（5）聚类分析法

该方法是在没有训练集的情况在，对一批没有类别划分的样本根据相似度进行划分类属的方法。通常被称是一种无教师的非监督分类方法。

（6）近邻函数法

该方法根据距离测度，判别样本的类属，如基于最近邻规范的试探法和最大最小距离法。

4.结语

模式识别是一个快速发展的学科，其在国民经济和国防现代化建设中应用广泛。本文围绕模式识别的一些基础知识、模式识别系统和统计模式识加以介绍，着重介绍了模式识别系统中的五个组成部分和统计模式识别方法。随着模式识别理论与技术的不断发展前进，其应用领域和实际需求将会不断增长。

参考文献：

模式识别与智能系统 篇4

1 入侵检测系统的概述

入侵检测系统的理论定义主要是指在入侵检测过程中所需要具备的各种基本软件与硬件的配置组合, 其通过对计算机网络信息系统的实际工作状态进行实时性的有效监测, 发现各种类型的攻击意图、攻击行为或者攻击后果同时作出相应的响应, 从而可以确保计算机系统资源的安全性、运行性与可靠性。其主要功能分别表现在:监控行为、分析系统用户与执行活动;检测计算机系统的技术配置与操作漏洞;评估系统取决于计算机资源与数据信息的完整性;模式识别已具备的攻击行为、统计分析异常行为;对于操作系统进行日志的操作管理;模式识别违反安全策略的系统用户活动;系统响应入侵行为的事件等。

2 智能入侵检测技术

现阶段大部分入侵检测系统可以符合大部分系统用户的实际需求, 然而在重点技术领域 (金融、商务以及军事等) 的实际应用仍然存在各方面问题, 通常表现在:误报率比较高、报警信息比较多;缺少检测未知入侵行为的有效技术;自适应与自学习能力比较低;互操作性比较差, 无法形成协同防御的完善体系等。人工智能技术的实际应用, 为能够解决上述各种问题积累坚实的基础。模式识别技术的基本原理是:把一个输入模式和储存在计算机系统中的多个参考模式相互对比, 寻找出最接近的参考模式, 把这种参考模式所代表的类名作为输入模式的类名输出。模式识别技术能够分成学习与识别这两个具体过程。学习是为了构造识别系统而进行的一种行为, 参考模式是通过学习之后确定的。在应用识别系统的过程中, 必须实时更新参考模式以增强系统的自适应性, 这需要对识别结果集进行学习。本质上, 模式识别是对未知样本进行类归属判定的过程;而入侵检测也是将一个新的实例与原有的规则集进行比较归类的过程。两者工作机理非常相似。模式识别的应用对于改善入侵检测系统的识别精度、识别能力以及智能特性有着重要的影响。

3 智能入侵检测系统

智能入侵检测系统主要采取模块化思想进行设计, 其中包含数据采集模块, 特征提取模块, 规则处理模块, 分析检测模块和异常响应模块等。

系统各个模块的功能如下:

数据采集模块:实时采集计算机网络系统的原始数据信息, 同时根据各自不同的网络协议进行解码操作, 然后对解码处理之后的数据信息进行分片重组、流重组以及代码转换等种技术处理, 还原数据包的原始数据含义与数据包相关之间的实际关系。

特征提取模块:对于数据采集模块直接采集得到的数据信息进行特征化选取, 然后对信息数据进行向量化处理, 最后生成待检测的数据样本。

规则处理模块:进行规则集的向量化与聚类处理工作。首先根据条读入的处理规则, 对于各条规则进行向量化处理, 获得一个规则向量集, 然后对规则向量集进行聚类分析处理, 在向量集规模较小的情况不需要进行聚类入生成精简的参考规则集。

分析检测模块:这是计算机系统的核心控制模块。把待检测的数据样本和参考规则集进行比较分析处理, 从而确定是否出现入侵状况。具体的处理过程为:

(1) 采取近邻法分析待检测的数据样本和参考规则集。

(2) 当欧氏距离d=0的时候, 即待检测的数据样本和参考规则集中某部分规则进行匹配处理, 从而得到分析结果。

(3) 当d≠0的时候则采取k-近邻法进行二次检测处理, 从而得到相应的分析结果。

(4) 根据具体的分析结果从而判断分析待检测数据样是否出现异常行为。

(5) 假如是异常行为, 则会马上启动异常响应的处理措施, 同时对原规则数据库进行更新操作;假如是正常行为, 则直接退出。

异常响应模块:对于入侵行为作出响应 (报警、日志记录等) 。

4 结语

入侵检测理论是防火墙技术、数据加密技术以及访问控制等各种传统安全技术的重要基础, 作为网络信息安全防护体系的关键构成环节。入侵检测系统能够对计算机网络入侵行为作出相应的识别与响应, 其不但能够检测来自计算机网络的实际攻击行为, 也能够监督系统内部用户未经授权的访问活动。模式识别是处于不断提升发展的新型学科技术, 其理论基础与应用范围也处于不断发展的阶段。本文提出将模式识别方法具体运用在入侵检测的技术领域中, 把入侵检测的相关问题转变成模式识别问题来进行处理, 这实际上是一种富有价值的技术解决方案。基于模式识别的入侵检测系统自适应/学习能力强、成本低和健壮性好, 能有效提高系统的安全性。但是, 本系统仍存在缺陷:为保证参考规则集的有效性和实时性, 需要提取海量的对象行为特征;在高带宽的网络环境下, 为缩短检测响应时间, 对检测算法的时空效率提出更高的要求。这两点对入侵检测系统的效能来说具有决定性意义, 如何快速构建入侵参考模式知识库、进一步提高检测算法的智能性和效率, 将是进一步研究的方向。

参考文献

[1]沟口理一郎, 石田亨.人工智能[Ml.北京:科学出版社, 2005.

[2]蔡自兴, 徐光祐.人工智能及其应用[M].北京:清华大学出版社, 2004.

[3]简清明, 曾黄麟, 叶晓彤.粗糙集特征选择和支持向量机在入侵检测系统中的应用[J].四川理工学院学报:自然科学版, 2009, 22 (5) .

[4]赵丽萍.基于模式识别的入侵检测模型[J].电脑开发与应用, 2008, 21 (6) .

模式识别与智能系统 篇5

研究生入学复试大纲

复试笔试满分为150分，包括基本能力测试（45分）和专业基础知识测试（105分）两部分。采取闭卷考试，考试时间一般为2至3小时。

有关专业基础知识测试的说明

专业基础知识测试（105分）由21道题目组成，参加笔试同学可从中任意选择7道完成，每题15分。专业知识点包括以下七个方面：

一． 图象处理(共3题)

考试知识点：数字图象直方图、基于直方图均衡化的图象增强、边缘检测算子、梯度大小/方向计算、频域滤波基础、频域滤波操作的基本步骤。

辅导材料：冈萨雷斯等，《数字图象处理》,第二版，电子工业出版社, 2003.3, ISBN 7-5053-8236-5。认真阅读该书的3.3, 4.2, 10.1。

二． 信息安全(共2题)

考试知识点：信息熵的计算、信源编码。

辅导材料：《信息与编码理论基础》，万旺根，上海大学出版社。

三． 人工智能(共2题)

考试知识点：人工智能的基本概念。

辅导材料：廉师友，人工智能技术导论（第二版）廉师友西安电子科技大学出版社, 2002.7, ISBN 7-5606-0811-6。认真阅读该书的第一章。

四． 微型计算机原理(共5题)

考试知识点：80x86指令寻址模式及汇编指令的书写格式；不同进制数之间的转换；汇编程序的阅读；计数器模块8253及其编程；可编程中断控制器8259模块及其编程。注：相关硬件模块控制字格式不需记忆。（提供）

辅导材料：微型计算机技术及应用（第3版），戴梅萼等，清华大学出版社，2003

五． 多媒体信息处理(共4题)

考试知识点：1.多媒体基本概念

多媒体技术，多媒体系统的层次结构，多媒体系统的组成2.多媒体数据压缩：

数据压缩算法概念及分类，统计编码，预测编码，变换编码，分形编码

静态图像压缩标准JPEG，运动图像压缩标准MPEG，音频压缩标准

3.音频信息处理

声音数字化，音频文件格式，声卡的组成与设计(含声卡的工作原理、硬

件设计、软件结构、编程接口等)

4.视频信息处理

视频信号数字化，视频的文件格式，视频压缩卡的设计

辅导材料：多媒体技术基础及应用，钟玉琢等，北京：清华大学出版社，2006.2

六． 生物特征识别(共2题)

考试知识点：生物信息学序列联配（双序列比对，多序列比对）。

辅导材料：David W.Mount，《生物信息学：序列与基因组分析（影印）》, Bioinformatics: Sequence and Genome Analysis, Cold Spring Harbor Lab(CSHL)Press。认真阅读sequence alignment 的相关内容。

七． 射频识别(共3题)

考试知识点：电子标签的基本概念。

模式识别与智能系统 篇6

车型识别的方式多样, 包括传统的磁感应线圈检测、红外、微波、超声波、激光等车辆检测与分类技术等。本文将讨论以视觉为基础的技术应用在网络摄影机上的车辆路径追踪, 使车辆路径追踪系统的用户能快速找到想要搜寻到的车辆种类, 本系统包含车辆侦测、车种识别、车辆颜色辨识以及网络资料库上的应用。首先会在网络摄影机拍摄出来的影像画面中找出移动的车辆, 找出车辆后, 在这些车辆中开始分辨车种, 利用车辆的大小长、高、宽以及密度比当作是分辨车辆的特征, 利用这些特征分辨出车辆之后, 再利用车辆主体颜色采样来找出车辆颜色做更进一步的辨别, 锁定特殊车辆后, 使用路口摄影机的位置来做时间和锁定车辆颜色的比对, 找出锁定车辆的可能行经路线图, 进而使用在网络资料库上来达成实时快速的车辆路径追踪系统。

1 基于图像处理技术的车辆识别

透过网络将计算机与摄影机结合, 将取得的画面一张张的采集下来, 利用背景相减原理, 把预先储存无物体移动环境的影像做为背景与取得的各张影像做相减侦测出的差异部份即为前景。将得到的前景影像做二值化, 使其影像转为非黑即白两种颜色的影像, 但在二值化的过程中会产生部份噪声, 所以在二值化后需要对其影像去噪声, 经由去噪声的步骤来增加日后影像分析的正确率。

通常所处理的照片常常会因车辆与背景颜色太过相近, 而导致在前处理后还残有声, 因此为了要减少这类噪声所造成的误判, 使用直方图等化来增强数码影像的对比程度。一幅影像中的灰阶可以看成区间[0, 1]上的随机变数。一个随机变数的最基本描述子是它的机率密度函数 (probability density function) , 令pr (r) 和ps (s) 表示随机变数r和s的机率密度函数, 假如pr (r) 和T-1 (r) 已知, 且T-1 (s) 满足T (r) 在0≤r≤1区间上是单值且单调递增的, 则转换后的变数s的机率密度函数可以用相当简单的方法获得:

因此转换后变数s的机率密度函数可以由输入影像的灰阶机率密度函数和经选取的转换函数所决定。一个在影像处理上特别重要的转换函数有这样的型式:

其中w是虚设的积分变数。 (2) 式的右边是随机变数r的累积分布函数 (cumulative distribution function) 。由于机率密度函数永远是正的, 而且函数的积分就是函数的面积, 所以其结果是此转换函数是单值且单调递增的。同理变数在范围[0, 1]内的机率密度函数的积分也同样在范围[0, 1]内。

已知一个转移函数T (r) , 应用 (2) 式可求得ps (s) 。从基本的微积分学的莱布尼兹 (Leibniz) 法则可得知, 对一个定积分上限微分就是被积分式在该极限的值。也就是说:

以此ds/dr的结果代入 (3) 式中, 并且所有的机率值都为正数, 可得:

因为ps (s) 是一个机率密度函数, 所以在此情况下它在区间[0, 1]外必须是0, 因为对所有s值的积分一定要等于1。可以得出 (4) 式之ps (s) 的形式是一个均匀的机率密度函数, 产生一个特性为均匀机率密度函数的随机变数s。由 (4) 式可看出, 不论pr (r) 的形式为何, 所得的ps (s) 永远是均匀的。由于数码影像为离散值, 所以针对离散值, 讨论的是机率总和而不是机率密度函数与积分。在一幅影像中的灰阶rk发生的机率可近似为:

其中n是影像中的像素总数, nk是有灰阶rk之像素的数目, L是影像中可能灰阶的总数。 (5) 式所给之转换函数的离散形式为:

因此经由 (6) 式将输入影像中灰阶rk的每一像素映像至输出影像中灰阶sk的对应像素中获得一个处理过的影像, pr (r) 对rk的图称为直方图, 经过 (6) 式的转换后, 输出便为直方图等化。

噪声去除后, 画面有可能同时存在多个前景物, 将各个区块做标记, 其目的是为了让计算机辨别影像内的各别区块, 以达到多物体侦测之成效。由于画面上半部的移动物体过于细小, 为了避免造成误判, 并得到良好的辨识结果, 只将画面中下半部的范围做车辆识别, 系统将判断区域内所有经过的车辆, 将中型车、大型车以及所属的车辆颜色, 随着系统时间记录起来, 再将记录起来的信息一一送到网络资料库, 资料就能由监控者来浏览, 并且时间与地点等信息记录起来后, 也一并储存到资料库内, 以后要做锁定车辆行经路线查询时, 也能迅速找到想要的结果。

2 结语

为了增加影像分析的正确率, 本系统更增加了门坎值设定以及背景更新的功能, 设立门坎值的目的是为了将差异较小的前景排除不考虑, 只对差异较大的前景做侦测, 使其背景更新系统不会受到小噪声的干扰, 如光影变化等。本系统充分利用图像处理技术的各自优势, 能大大提高自主车辆跟踪和识别系统的实时性和鲁棒性。本系统还可自动执行背景影像更新, 当采集影像与背景相减数秒内判断皆无前景物时, 系统将自动更新背景影像, 藉此提升影像分析的正确率。

参考文献

[1]Q.F.Liu, J.G.Lou, W.M.Hu, T.N.Tan.Model Based Pose DeterminationUsing Bayesian Classification Error[A].The 2nd Chinese Conference on In-telligent Visual Surveillance[C].2003.

模式识别与智能系统 篇7

近年来, 我国高速公路建设迅速发展, 通车里程不断增加, 高速公路布局也发生了由通道型向网络型的根本性转化。以我国区域高速公路网的交通地理信息展示为上层示例应用, 构造异构的交通地理信息数据源, 基于E述框架开发ITS数据集成系统。如图1所示。

2 运动车型识别技术的研究

2.1 射频识别法

目前该方法多被应用于国外车辆收费系统ETC中。当该方法工作时, 装置于车辆上的发射器用于发送具有代表经过车辆的特征代码, 带有天线的接收器处理接收, 计算终端利用互联网环境收集处理车辆信息最终利用该方法整个体系中目标车辆的综合信息与车辆拥有者进行清算。

2.2 环形感应线圈识别法

该方法就是根据感应数据的不同对不同的机动车进行分类。环形感应线圈识别法属于触碰式被迫检测分类技术, 由于组成不同机动车的金属材质是不同的, 其引起的电磁感应变化也都不一眼, 虽然该方法的资金投入量不多, 鲁棒性好以及受环境干扰较小, 但是在具体应用时, 多数道面下的线圈由于各种外界因素而被破坏, 因此修护需要投入的资源较多。

2.3 压力传感器识法

当机动车通过埋设在道面下的测试器时, 测试器接收压力会形成微小变化, 该方法利用这变化而产生的返回信号分别得到目标机动车的整体重量、平均速度、轴间距等重要的数据, 从而完成对不同类型机动车的分类.压力传感器识别法属于触碰式被迫检测分类技术, 按照利用的测试装置该方法可分为应变测试器、压力测试器和电容器测试器。

3 基于视频的运动车辆检测研究

初步车辆检测:帧差法是视频中检测移动目标最简单直观的方法, 其在视频片段中固定间隔的两帧之间计算像素绝对差, 该差值大于一定阈限的像素就认为是运动物体可能存在的区域, 初步车辆检测的目的是尽可能的从视频帧中经过一系列的图像处理提取运动车辆, 其中最关键的一个步骤是利用帧差法, 得到两帧图像像素差的绝对值, 初步提取运动车辆区域, 其公式应用如下:

4 结语

对初步提取的运动车辆进行区域生长就是一个迭代的过程, 不断使用LBP直方图进行匹配判断, 区域扩展。随着智能交通系统的发展, 车型识别技术占有愈来愈重要的地位, 通过对现有车型识别技术的分析, 本文完成的研究成果, 基于视频的车型分类研究作为是现代智能交通系统的一个非常重要的应用技术, 为交通管理部门对城市交通的车型及道路管理提供技术上的支持。本论文对交通的真实视频数据进行分析和处理, 实现了运动车辆的完整性检测, 支持向量机对跟踪的运动车辆进行实时分类;设计实现首个基于视频车型跟踪分类信息管理的后台信息管理系统, 实现对不同时间段、不同地段的车型数量统计。

参考文献

[1]张瑞娟.基于视频图像的运动目标检测与跟踪算法研究[D].大连理工大学.

模式识别与智能系统 篇8

随着信息化时代到来,信息开发、利用、交流和共享已经渗透到了社会生活的方方面面。幼儿园管理的信息化也不例外。近年来,网络技术逐渐在幼儿园管理信息系统中得到应用。本文采用Borland公司的Delhpi7.0开发工具和Microsoft SQL Server2000数据库,开发设计了一个基于C/S模式的幼儿园指纹智能识别管理系统,实现了幼儿指纹采集、运行模式设置、手机短信平台设置、信箱管理、资费管理以及各类查询的信息化管理。系统总体结构图如图1如示:

其中,客户端程序运行在工作站上,通过Internet/Intranet与数据库服务器相连。数据库服务器完成与手机通信平台及工作站的联系。每个工作站配备有一个U.are.U4000光学指纹扫描仪,通过USB接口相连。短信Modem通过RS232串口与数据库服务器相连。短信猫将各类短信发送到通信基站,通信基站再与智能手机进行通信。工作站上运行有短信平台可以与家长的手机进行双向通信,提高了系统的人性化水平和工作效率。每月或季度可以产生系统运行报表通过网络打印机进行实时打印,为家长信息的核实及通信服务追踪提供支持与保障。

2. 背景知识

2.1 C/S结构

即大家熟知的客户机和服务器结构。它是软件系统体系结构,通过它可以充分利用两端硬件环境的优势,将任务合理分配到Client端和Server端来实现,降低了系统的通讯开销。目前大多数应用软件系统都是Client/Server形式的两层结构,由于现在的软件应用系统正在向分布式的web应用发展,Web和Client/Server应用都可以进行同样的业务处理,应用不同的模块共享逻辑组件;因此,内部的和外部的用户都可以访问新的和现有的应用系统,通过现有应用系统中的逻辑可以扩展出新的应用系统。这也就是目前应用系统的发展方向。

2.2 指纹识别技术

指纹识别主要根据人体指纹的纹路、细节特征等信息对操作或被操作者进行身份鉴定,得益于现代电子集成制造技术和快速而可靠的算法研究,已经开始走入我们的日常生活,成为目前生物检测学中研究最深入,应用最广泛,发展最成熟的技术。指纹识别算法与人工处理不同,一般的生物识别技术公司并不直接存储指纹的图像,而是使用不同的数字化算法在指纹图像上找到并比对指纹的特征。每个指纹都有几个独一无二、可测量的特征点,每个特征点都有大约5~7个特征,我们的十个手指产生最少4900个独立可测量的特征,这足以说明指纹识别是一个更加可靠的鉴别方式。

识别指纹主要从两个方面展开:总体特征和局部特征。系统所采用的U 4000/4000B是目前世界上最簿的光学系统,只有6mm,表面采用了坚硬的光学材料并以防护膜保护,输出图像最高可达7000dpi,它能够自动读取指纹图像,并通过USB接口把数字化的指纹图像传送到计算机。

2.3 AT指令

AT即Attention,AT指令集是从终端设备(Terminal Equipment,TE)或数据终端设备(Data Terminal Equipment,DTE)向终端适配器(Terminal Adapter,TA)或数据电路终端设备(Data Circuit Terminal Equipment,DCE)发送的。通过TA,TE发送AT指令来控制移动台(Mobile Station,MS)的功能,与GSM网络业务进行交互。用户可以通过AT指令进行呼叫、短信、电话本、数据业务、传真等方面的控制。90年代初,AT指令仅被用于Modem操作。没有控制移动电话文本消息的先例,只开发了一种叫SMS Block Mode的协议,通过终端设备(TE)或电脑来完全控制SMS。

3. 系统设计

3.1 开发需求

当今社会,大多是4-2-1结构家庭,在这样的家庭结构下,孩子的教育安全问题已经成为家庭、学校和社会关心的热点之一。尤其是在学生上学前和放学后,极容易出现管理的真空地带。在上学之前和放学之后的时间段,学生家长和学校都可能出现管理误差,如果在这个时间段里学生发生人身安全或者财物损失,究竟该由谁承担这些损失,学校还是家长?都很难说清楚。因此,本系统的开发成绩可以很完美的解决了这个社会问题,为和谐校园建设我们自己的一份力量。

3.2 系统目标

能准确的记录学生上学和放学的相关信息,并即时利用短信告知学生家长该生的到校和离校时间;在幼儿放学和其它非正常接送孩子时候,根据家长意愿,如需要有人来接孩子时,可要求该人核对指纹,验证通过后才能接走小孩,这样可避免孩子被他人误接的问题。同时,系统将自动向第一家长发送短信,让家长知晓孩子离校原因和时间。同时该系统可配合学校的相关管理,实现学生基本信息管理和一定功能的学校财务管理,成为学校管理的好帮手。

3.3 功能模块

用户的需要,系统设计了10个主要功能模块,分别为:学生基本信息管理与指纹的采集(包括:学生基本信息浏览、学生信息添加好指纹采集、学生信息修改、学生基本信息的查询打印与导出);上学模式与放学模式的设置;手机短信平台(单条发送短消息、群发短消息、短消息读取);接送信息记录(接送信息的录入与维护、接送信息的查询打印与导出);信箱管理(短信的读取与维护、短信的查询打印与导出);操作员管理(添加新用户、修改密码、管理员的删除以及设置、取消超管)等,详细结构图如图2所示。

3.4 学生基本信息管理

系统提供了学生基本信息的管理界面,提供删除、编辑、新增功能。单击详细信息按钮可以查看选中记录的详情并加以编辑处理,支持学生记录的前后定位。运行界面如图3所示。年龄可自动生成,只需填写出生日期系统就会自动计算出小孩的年龄。如果需要开通短信提醒业务则在开通业务前打钩,不开通则不要选择。开通业务的一定要绑定一个号码。建议不开此项业务的家长也要绑定一个号码,因为幼儿园有时可能群发免费的短信。余额显示的是已经开通了短信提醒业务的用户当前的余额,此处不能添加或修改,需要到资费管理处充值。

通过选择照片按钮便可以弹出打开对话框选择照片。选择学生的照片,然后单击打开按钮便可已在界面上显示出来。指纹的采集需要借助于指纹识别仪。可以点击主窗体的学生基本信息按钮进行信息校正,如果系统没有发现指纹识别仪则会显示报错信息。系统提供对所有学生信息初始化的功能,若指纹识别仪未连好则会出现运行不正常的提示信息。

单击登记学生指纹按钮可以开始采集学生指纹。在指纹识别仪上按下手指,然后手指离开识别仪,界面上会出现指纹的图像。如图4所示。为了采集指纹的安全性,登记指纹时要连续采集三次。如果您三次按下的并不是同一个手指则指纹信息栏会显示“指纹登记有误”字样。如果三次采集都成功则会弹出成功确认对话框。

父亲、母亲以及接送人指纹的登记同理。当照片指纹等其它信息全部填写好之后点击【保存记录】按就完成了一个学生信息的录入。修改学生记录只需点击【修改记录】按钮,除学号不能修改以外,其他操作与添加记录的方法相同。如果要放弃对摸个记录的添加或者修改请点击【取消操作】按钮。

3.5 手机短信平台

在收信人里面输入学生的姓名则会自动显示绑定的家长号码。发送短消息分为“计费发送”和“免费发送”两种方式。选择计费方式则仅限于开通了短信提醒业务的学生家长,并且还好满足该生的帐户余额大于零。发送后会自动扣除短信的金额。免费发送则可向任意号码发送,即便对于开通了短信提醒业务的学生也不会收取费用。每条短信为70字,对于超过70字的短信系统将默认分条发送。每条短信发送完毕后会提示本条短信是否已经发送成功,但如果遇到硬件问题或者SIM卡没有安装则会提示短消息发送失败。系统提供短消息的群发功能,如图5所示。

左侧的列表会自动显示全部学生的姓名,如果范围太大也可以在上面的筛选部分按条件查询符合条件的学生。可以分别在学生姓名前打钩或者点击“全选/全不选”来选中要发送短信的对象。姓名前没有打钩的学生系统不会向其发送短信。编辑好短信后选择计费方式还是免费方式,点击发送便开始发送短信。群发短信需要一定的时间这时需要用户耐心等候。对于发送失败的学生姓名会显示在右侧“发送失败列表”里面。点击重新发送便可再次发送短信。在系统使用时,如果有短信收到则会在屏幕的右下角出现提示对话框“您收到了一条短消息,现在要阅读么?”单击立即阅读即可查看详情。

3.6 数据库设计

在数据库的设计过程中,为了减少数据冗余,简化修改数据的过程,应该对数据进行规范化。在对数据库进行模式设计时,对关系的分解并不是盲目的,分解的目的在于减少关系模式的规模,避免不必要的存储,及操作的冗余和数据更新异常。按照模式中所含数据依赖的复杂程序不同,规定了模式规范的等级。一般用属性间的函数依赖、多值依赖及连接依赖的复杂程序叙谈划分数据库模式的颗粒度大小的度量标准。常用的规范化标准有1NF,2NF,3NF范式。它们之间的关系为1NF≤2NF≤3NF。范式级别越高,存储同样数据需要更多表。

本系统涉及到如下几张表:学生基本信息表(tbl_student、短信收发表(tbl_sendrecv)、家长基本信息表(tbl_jz)、指纹信息表(tbl_zw)和管理员表(tbl_user),各表部符合3NF范式。其表结构及其之间的关系如图6所示。

4. 系统实现

客户端程序采用Delphi 7.0编写,客户端通过Internet/Intranet访问数据库服务器。客户端和数据库服务器之间通过ADO相连。采用MD5加密算法保证用户密码的安全。下面给出部分系统实现程序。

4.1 登记父亲接送孩子的指纹

4.2 群发短消息

5. 结束语

本文给出了基于C/S结构的幼儿园接送管理系统的详细设计步骤,提出了开发多层结构系统的一般思路。应用系统的设计包括需求分析、总体设计、详细设计、系统实现等几个步骤。这里我们只是给出了系统具体的实现方法,对于不同的需求,应该产生不同的需求分析报告,利用分析报告进行总体设计、详细设计,最后进行系统实现。该系统已经运行了半年时间,在这半年里,系统运行安全稳定,操作灵活方便,得到了广大用户的好评。接下来将准备进一步提高系统安全性,对数据库的安全策略进行更为详细的设置,进一步提高系统的安全性。同时,注重与其它幼儿园子系统的连接,为在更大的范围内服务幼儿园事业提供可能。

参考文献

[1]王红林,肖冬荣,刘雨华等.基于C/S结构的阅览室门控管理系统设计与实现[J].武汉理工大学学报(交通版),2005,12(1).

[2]孙彩云,赵远东,高超等.基于Internet的远程数据采集系统设计与实现[J].微计算机信息,2007,23.

[3]袁丁,范平志.一种群签名方案的安全缺陷及其改进[J].铁道学报.2003,25(2):43-45.

模式识别与智能系统 篇9

图书馆使用了射频识别(RFID)技术,读者一卡在手,就可自由进出各个借阅室。图书将采用电子数字标签,读者可自动化借还书。自助借还书机以及还书箱的出现,特别是其一次可以做多本借还书服务和24小时还书服务等功能,大大节省了馆员的工作量和读者等待的时间。RFID能更好地提高图书流通管理和典藏管理的工作效率,使得图书馆管理员可以有更多的时间来为读者提供服务,为图书馆行业的发展带来新的机遇[1]。

1 基于RFID的图书馆智能管理系统的关键问题

1.1 频率选择

RFID系统可以按照工作频率分为:低频(LF)系统、高频(HF)系统、超高频(UHF)系统、微波(μWF)系统等,这些系统其识别距离、读写特性、标签尺寸、防碰撞性能、传播性能等多方面均有较大差别。

图书借阅,一般都要求识别距离最远应达到3 m,且在现场有多个射频标签处于同一区域,故不宜采用LF系统。无源微波标签的性能与UHF标签性能相近,但造价较高。有源微波电子标签的识别距离较远,但其体积较大、造价较高,且识别距离会随着电池电量的消耗而逐渐缩短,因此难以在图书借阅中大规模使用。HF频段的RFID系统其识别距离、读写速度、标签尺寸、防碰撞性能等技术特点正适合速递生产识别的要求,而且已经形成了ISO15693、EPC等系列标准,相对成熟,而且随着应用的日益扩大,价格已经出现了迅速下降的趋势,在技术上和经济上都是可行的[2,3]。因此本设计选择高频(HF)系统。

13.56 MHz RFID系统的特点:高品质及大容量的芯片数据存储空间可以将每一本书的信息存储在里面,这些数据可以不经过视线也不需要直接接触,即可在0.05 m~1.2 m的范围内读和写;RFID标签稳定、可靠,可以使用10年以上,温度、光线都不会对使用产生影响,即使标签脏、表面磨损也不会对使用构成影响。

1.2 标签选择

标签按其能量供应方式分为有源标签及无源标签2种。有源标签使用标签内的电池能量,识别距离较长,可达几米甚至十几米,但是其寿命有限且价格较高;无源标签不含有电池,它接收到阅读器的电磁信号后经整流为直流电供芯片工作,一般可做到免维护,并且重量轻、体积小、寿命长、价格便宜,而它在发射距离及适应物体运动速度方面略受限制,但一般允许在1 m~6 m。

考虑到无源标签识别技术在识读距离和识读速度等方面可以满足图书借阅需要,因此本设计采用无源标签。

1.3 信息标识

信息标识方案是实现自动识别的首要问题。信息标识方案的设计必须符合以下原则:

(1)效率性:能够缩短信息录入时间、减少辅助劳动环节、明显提高系统生产效率。

(2)经济性:投资少,运营成本低。

(3)可靠性:尽量减少信息录入的内容和次数,以减少信息录入的差错率。同时必须考虑数据传输的网络条件。

(4)可实施性:对原有信息系统的架构、数据传输和存储格式,不应有较大的调整和变动,通过接口即可相互兼容,不影响条码标识信息系统的正常运行。

在充分考虑上述因素的基础上,本设计提出以下信息标识方案:

(1)信息标识内容应包括与图书相关的基本信息,如:安全码、条形码号、馆别、识别应用码、制作机组、簿册号、借阅次数、分类号、作者号、借阅证号、日期等相关信息,并将这些信息写入电子标签中。

(2)标签可写入的信息:图书身份(ID号码);图书信息(书名、索书号等);所属图书馆身份;所属书架信息;借阅者信息;借阅日期;更多其他内容。技术规格:长45 mm×宽45 mm或者长50 mm×宽50 mm;可依据客户要求定制标签大小及印刷内容;ISO15693标准及符合图书馆行业标准。

2 系统构成

系统模块包含图书管理系统服务器、电子侦测门、柜台工作站、自助借还书机、自助还书箱、盘点工作站、制作工作站和智慧期刊架(智慧书架)。整个图书馆的RFID智能管理系统应用软件包括:智能流通标签初始化转换系统、管员工作站应用功能集成系统、读者自助借阅系统、读者自助借还书系统、手持设备查询、顺架及盘点系统、安全通道门系统。系统总体结构[4]如图1所示。

下面是射频识别图书管理系统的各产品应具有的功能:

(1)图书管理系统服务器

盘点统计:提供盘点相关统计报表。

书籍相关信息查询:可查询书籍相关设定信息、馆藏书目数据及借阅数据。

设备状况信息查询:可查询各设备的使用状态。

账号管理:可将图书馆自动化系统读者文件转入系统中并可查询读者使用状况。提供ISO2709书目转换文件接口,可将CNMARC、USMARC书目数据转入本系统中数据库支持的UNICODE。

(2)电子侦测门

支持单通道及双通道电子侦测门;电子侦测门最远可侦测90 cm(含)以上距离,可达无障碍空间标准;可实时联机服务器将相关人员出入做统计;提供触发接点,当此书籍无借阅、安全门侦测到安全码时,可联机门禁系统及监视系统做安全提醒。

(3)柜台工作站

前台工作站的功能包括:借阅、归还、续借、排序、可设定及解除电子标签安全码、标签转换。

当图书馆自动化系统离线作业时,如流通柜台支持离线作业,本工作站亦可正常工作。以不改变现行馆员使用的图书馆自动化系统流通接口为前提,使用本系统功能并不会增加馆员负担。

(4)自助借还书机

系统使用工业等级主机,可供长时间的开机操作。热感应打印机可打印借还单据,作为读者借还凭据。可一次借还多本书籍,不需逐本感测。借还时支持实时撷取借阅书籍及人员录像功能,以避免日后纷争。

(5)自助还书箱

可提供24小时一次多本还书服务,当还书时可透过主机将还书记录告诉图书馆自动化系统内建的红外线人体侦测,当读者靠近自助还书箱时,才启动还书功能,以减少电力消耗,达到环保目的。应具有影音说明功能,提供读者友善操作指引。

自助还书箱内配置1台书车,以方便馆方人员将借还的书籍,拖运到书架区归位。用人性化LCD及还书单据使馆内纷争减至最低。可结合自动分拣机作图书分类功能。

(6)盘点工作站

盘点工作站是集合了独特的手持式RFID读写器、手持式天线和PDA进行扫描书籍的序号等信息。独特设计的手持插入式天线可以插入书架上图书间隙中进行更为准确的书架图书盘点信息的采集。掌上电脑设备能进行图书的搜索定位,归架管理及排序管理,使得图书馆管理工作人员能更为高效、频繁地进行图书盘点工作。掌上电脑中的信息能够以有线或无线的方式与PC机同步。

(7)制作工作站

可设定相关制作人员权限管制,并可查阅相关书籍的制作时间及人员,避免书籍制作重复的错误行为;可多台工作站同时制作书籍电子标签;可重复修改电子标签中的内容,并修改为正确信息;使用安全编码方式将数据写入电子标签,电子标签内容不易被修改;可统计制作人员制作书本数量及登入号;可依馆员习惯修改制作接口,并可使用各种PCBASE的硬件及各种Windows操作系统安装本工作站;可将相关内容及相关信息,如:安全码、条形码号、馆别、识别应用码、制作机组、簿册号、借阅次数、分类号、作者号、借阅证号、日期等相关信息,写入电子标签中。

(8)智慧期刊架(智慧书架)

读者通过图书馆的Web或者位于期刊阅览室或图书区的Web PAC进行新书查询,根据三维导览图快速得到其准确位置。馆方可对智慧期刊(书)架内期刊(图书)进行实时管理,即时盘点。

管理者端提供全文检索、架位检索、新书数据管理、电子标签数据管理、架位管理、期刊(图书)取阅记录管理、统计报表与使用者管理。

查询结果的架位状态包含期刊(图书)名称等MARC资料与新书实时所在位置。

期刊(图书)数据管理(修改)功能,可以修改期刊(图书)名、架位信息以及期刊(图书)详细内容;使用者管理须提供账号、姓名、密码与权限字段;架位数据管理须提供说明与详细架位信息字段;期刊(图书)档新增时,本服务器数据库可通过自动化接口去取得最新资料。

提供统计报表,含错架清单、取阅次数统计、取阅纪录与未在架清单、取阅次数统计与取阅纪录可依时间区段做统计并打印报表。

3 分系统关键技术

本方案主要根据图书馆的应用需求而设计,以先进实用、节省费用、充分兼容和可扩展为设计原则。分系统关键技术[5,6]包括以下内容:

(1)电子标签

读者证:使用ISO14443-A标准读者证及条形码读者证方式。

考虑到系统今后的扩展,为方便与校园一卡通系统的连接,读者证采用Mifare I型无源射频卡。Mifare I卡具有以下特点:(1)读写距离2~4 cm;(2)响应时间小于0.3 s;(3)读写次数不少于10万次。

图书电子标签使用ISO15693 13.56 MHz标准电子标签,支持图书、DVD、VHS等相关馆藏电子标签。电子标签非人为因素,保证10万次读写。

(2)通信接口

读写器与计算机之间的通信接口采用RS485/RS232方式。整个系统具有便利的管理功能、可靠的防伪及系统保护体系、完善的数据处理功能、挥洒自如的单机功能、强大的网络扩展功能等特点。

(3)读写器硬件结构及工作原理

读写器主要由核心控制单元MCUP89LPC932、与Mifare One卡通信的MFRC632、与PC机通信的RS232、提供时间基准的实时时钟芯片PCF8563和存储系统设置数据的存储器AT45DB021组成。整个系统所用的器件都是比较常用的器件,具有典型性和通用性。

系统硬件框图如图2所示。主板上电后,读取存储器中的系统设置,然后根据其中的设置初始化整个系统,包括本设备的ID号、主站、从站、开机时间、关机时间、数据的存储方式等。由于Mifare One卡共有16个扇区,每个扇区又分为4块、每块又有16个字节,因此,除了保证系统使用的扇区空间外,用户可以使用的有48×16 bit。而通过Mifare One卡存储的数据均不大,只占用一块存储区,换句话说,Mifare One卡的数据存储区可以存储48次,当超过48次时就从前面覆盖数据。

射频电路如图3所示。在本设计中,为提高整个系统的使用范围,在芯片选择上使用功能更加强大的MFRC632,这也是整个系统的核心部分。

本文设计的图书馆智能管理系统以RFID中间件为媒介,实现了先进的RFID技术与图书管理方法的有机结合,为图书馆的管理提供了十分有效的技术手段,使馆员从烦杂的日常工作中解放出来,让馆员更自由、更高效地管理图书馆的馆藏,使清库、乱架和查找图书不再繁锁和麻烦。使图书管理工作智能化、自动化、规范化、系统化、程序化,避免了图书管理的随意性,提高了信息处理的速度和准确性,从而提高工作效率。

图书馆RFID自动管理系统可以作为一个独立的图书馆管理系统运行,也可以接入学院的校园网络实现图书馆在校园网络的信息共享以及借阅服务,使图书馆管理现代化、智能化。

参考文献

[1]国家图书馆.国家图书馆立项开展图书馆RFID应用标准化研究工作[J].中国图书馆学报,2006(6):31-35.

[2]蔡孟欣.图书馆RFID的投资回报研究[J].图书情报工作,2007(9):67-69.

[3]孙一钢,董曦京.图书馆RFID技术应用标准化问题分析[J].中国图书馆学报,2007(4):106-108.

[4]于兴晗,李君.基于MF RC632射频识别读写器芯片的专用读卡器设计及实现[J].电子技术应用,2007,33(3):89-91.

[5]张挺,熊璋,王剑昆,等.一个面向低功耗设计的RFID系统研究与实现[J].小型微型计算机系统,2006(11).

智能信息处理中的模式识别 篇10

本文首先叙述了关于模式识别领域的发展历史以及模式识别在此过程中使用的主要方法的演变过程, 文章后阶段介绍了模式识别理论方法研究的最新进展并分析未来的发展趋势。由于Jain等人的综述[3]已经全面介绍了2000年以前模式分类方面的进展, 该文侧重于2000年以后的研究进展。

1 历史回顾

早在20世纪40年代, 随着电子计算机的逐渐兴盛, 人们对于计算机的不断探索研究, 发现需要用一些科学的方法来解决计算机识别和处理等问题。在已有的模式识别在其他领域的应用范例, 如:机械领域和光领域。其中在光领域最具代表性的是现代模式识别例子是德国人Gustav Tauschek与1929年关于光学字符识别的专利。

20世纪80年代BP (Back-propagation) 神经网络算法的兴起以及成功的在工程和学术上的应用燃起了人们对人工神经网络技术的研究和探索的激情, 仿佛人工神经网络即将会实现, 用以取代人类智能。国际性的模式识别大会也不断的召开, 直至2012年国际模式识别大会已经成功举办的21届。

纵观模式识别的发展历程, 该文将模式识别研究的过程归纳为以下几个方面:首先, 针对模式识别的原始处理识别以及模型的选择问题, 人们做了大量的研究, 其中最具有代表性的是Bayes学习理论, 其产生对分类方法的研究提供了新的方法[2]。其次, 一些在传统领域应用的比较多的问题, 如:概率估算、可代表莫一类事物的特征向量的选择问题、针对未知问题的类别聚合问题等等, 人们都期望用新的方法加以实验。第三方面, 随着机器学习领域的不断发展, 如粒子群优化算法、C4.5、支持向量机等技术的发展, 这些都极大的促进了模式识别的进步, 机器学习和模式识别领域相互交融、相互补充和融合的趋势进一步加强。第四个方面, 模式识别与数据挖掘技术进一步结合, 随着模式识别技术的不断发展, 产生了新的问题, 事物潜在的内部规律有待进一步发掘, 故模式识别与数据挖掘的相关技术有进一步结合的趋势。第五, 模式识别的理论和方法等不断的进步、计算机性能的不断提升人们迫切的需要将理论转化为现实的生产力, 故模式识别在现实中的应用研究占据主要地位。第七, 随着云计算与物联网的兴起和发展, 这些技术为模式识别领域带来了新的机遇, 模式识别中的大数据处理以及物物相联问题将是一种研究的趋势。

2 模式识别的研究现状

2.1 模式识别系统和方法概述

模式识别从其加工处理的过程来看, 总的可以分为:前期处理、中期计算、后期融合三个阶段。其中前期处理有可以分为:数据初处理、归一化、模式分隔与计算、特征提取等, 中期计算包括模式识别、模式匹配, 后期融合包括数据合并、数据计算等[3]。

2.2 概率密度估计

在非监督学习技术中, 其最具代表性的发的当属概率密度估计和聚类, 二者都属于非监督学习方法。概率密度估计技术主要应用在诸如聚类、特征选择、分类奇异点检测等多方面。基于Bayes决策规则理论的分类问题就应用了概率密度估计方法, 通过概率密度估计方法对未知的事物进行分类。此外在支持向量机的应用基础上, 利用距离向量函数与核函数等技术将为分类的数据依据最小分类间隔进行分类, 这种方法有其自身的优越性, 但是在算法的性能上有待提高, 尤其是对于特征向量较多地情况, 虽然引入了核函数, 但是在运行效率上还是有待提高。

2.3 特征的选择

为了减少高纬度数据对数据处理以及计算的精确度的影响, 模式识别领域以及机器学习领域引入了特征选择的概念。就是将过多的特征进行裁剪, 选出最具代表性的特征, 从而用这些样本的特征对同类新进元素进行分析, 将新进的事物的特征向量与样本的特征向量通过函数或者概率的方法对新进事物进行判别。这样在削减特征的前提下, 也提高的计算的效率, 提高分类的效率以及泛化能力[4]。

3 发展趋势

对于本文中对模式识别技术前期简要介绍的方法以及研究进展外, 模式识别技术还有其他的方法和技术。如, 在分类问题上, 怎样维持分类模型的更新, 以及更新的效率等问题上都是未来需要研究的方向。此外智能信息处理中的模式识别技术应适应时代潮流与云计算和物联网技术相结合。

4 总结

本文以模式分类中模式识别问题为主线对模式识别的发展技术以及相关的理论进行了探讨。结合现阶段的现状提出了模式识别技术应与云计算和物联网技术相融合。

摘要：自20世纪60年代以来, 模式识别的理论与方法的研究及相关理论在实际项目应用中取得了长足的发展。该文先简要回顾模式识别领域的发展历史和主要方法的演变, 然后围绕模式分类这个模式识别的核心问题, 就概率密度估计、特征选择和变换、分类器设计几个方面介绍近年来理论和方法研究的主要进展, 最后简要分析将来的发展趋势。

关键词：模式识别,概率密度估计,特征选择和变换,分类器

参考文献

[1]Fumin Q I, XIE Xiao-yao, JING Feng-xuan, Application of Improved PSO-LSSVM on Network Threat Detection[J].Wuhan University Journal of Natural Sciences, 2013, 18 (5) :418-426.

[2]Malley J D, Kruppa J, Dasgupta A, et al.Probability machines:Consistent probability estimation using nonparametric learning ma chines[J].Methods of information in medicine, 2012, 51 (1) :74.

[3]Structural, Syntactic, and Statistical Pattern Recognition:Joint IAPR International Workshop, SSPR&SPR 2012, Hiroshima, Japan, No vember 7-9, 2012.Proceedings[M].Springer, 2012.