模式识别与智能信息处理高校重点实验室创新基金项目指南
（2019年）
一、发布与申请管理
1.成都大学模式识别与智能信息处理四川高校重点实验室创新研究计划项目采取
“公布指南、自由申请、专家评审、竞争择优”的方式组织实施。
2．申请内容应在本指南范围之内，同时鼓励提出指南之外具有前瞻性、有创意的相关课题。
二、申请的基本条件和要求
1. 申请人要具备良好的研究基础，包括高水平的科研队伍、良好的研究环境及研究
业绩。
2. 同一项目不允许两人以上联合申请。
3. 项目上申请人需有较高的学术水平、无不良科研行为记录。
三、申请材料递交和评审时间安排
1．申请材料为电子件（DOC格式），文件名请按以下格式命名：学校(简称)-申请人-申请题目。
2．申请材料指定接收人信息：范文杰
3. 项目申请截止时间是：2019年7月 8日
4. 项目评审截止时间是：2019年7月15日
5. 评审结果直接通知申请人。
-
四、项目管理
1.对于通过申请的项目，将签署正式的项目合同，确定双方义务和权利，以及如何
处理项目进行过程中可能出现的问题。
2.研究项目依据合同进行管理，主要为阶段工作评审（过程管理）和项目结题评审
（结果管理）。
五、研究成果形式及归属原则
1. 研究成果主要以高档次论文形式表现，根据项目的性质，还可表现为仿真结果、
分析报告、原型系统等。发表论文需要以本实验室为第一单位。
2．项目申报遵循自愿申报和实验室资助的原则，双方相互尊重、互惠互利、着眼长远、共同进步。
3．对于项目研究成果，未经双方书面同意，任何一方不得向第三方转让、交换或透露。实验室和申请者单位将根据具体项目确定合同金额及成果归属等事项。
六、问题解答及联系方式
联系电话：
联系邮箱：
联系人：范文杰
七、资助项目指南
模式识别与智能信息处理高校重点实验室主要资助图像处理与模式识别、计算机网络与嵌入式系统、数据库与空间信息技术及其相关交叉领域的研究。
图像处理与模式识别领域涉及图像处理、模式识别、多媒体智能信息检索技术、统计自然语言处理技术、图论与组合优化算法等相关研究。主要资助范围包括: 基于分数演算的数字图像处理理论及技术，基于体上代数理论的图像处理算法及技术，基于四元数分数阶微积分理论的信号处理，复杂噪声环境下的图像处理技术，高维遥感图像处理理论及技术；基于四元数理论的模式识别，基于张量代数理论的模式识别，高速运动目标自动检测及识别，复杂背景下的目标检测，人体生物特征识别，汽车疲劳驾驶监控，复杂噪声环境下的图像检测与识别，小波分析、分数演算理论，体上代数理论，蚁群算法，禁忌搜索算法，模拟退火算法，遗传算法；盲信号分离理论及技术，索引数据结构及算法，伪相关反馈及查询扩展算法及技术，用户合作及链接分析算法及技术，基于动态URL的网络爬虫技术，语料库的构建；概率检索模型，聚类分析理论及算法，相关语言模型理论及估计，查询语言模型理论及估计，基于聚类分析的语言模型理论及估计，语言模型估计的平滑技术；最大团问题，图的顶点着色问题，TSP问题，3-SAT问题等若干NP-完全问题的算法，Ramsey数、Folkman 数、Sidon集的相关计算问题，信息论中覆盖码问题，图的香农容量问题等。
计算机网络与嵌入式系统领域涉及移动电子商务技术、移动信息安全技术、下一代网络与物联网技术及云计算技术等相关研究。主要资助范围包括：无线应用协议，移动IP，移动定位系统，基于位置的服务，通用分组无线业务；移动商务安全模型，移动终端信息安全技术，移动互联网安全理论与技术；传感网络技术，位置服务技术，IPv6技术，数据处理和共享与综合管理平台技术；虚拟化理论与技术，技术云基础设施架构理论与技术，云平台理论与技术，云应用理论与技术等。
数据库与空间信息技术领域涉及数据库技术、三维建模与虚拟现实技术、空间信息技术及数字城市与智能城市技术研究。主要资助范围包括：关系数据库技术，NoSQL数据库技术，非结构化数据技术，分布式文件系统技术；三维建模理论及技术，快速三维建模技术，地理数字高程模型理论与技术，三维时态GIS模式理论与技术，虚拟现实理论与技术；空间信息网络服务理论与技术，海量空间数据存储与管理理论与技术，空间信息汇聚理论与技术，空间信息服务聚合理论与技术，空间数据共享与管理理论与技术；数字城市理论与技术，智能城市理论与技术等。
作者示例：
Chang Liu1,2,3, Kun He3, Ji-liu Zhou3, and Chao-Bang Gao1,2,3
1 College of Information Science and Technology, Chengdu University, Chengdu,China
2 Key Laboratory of Pattern Recognition and Intelligent Information Processing of Sichuan, Chengdu University,Chengdu, China
3 School of Computer Science, Sichuan University, Chengdu, China
刘昶１，２，３，周激流３，郎方年１，２
１．成都大学信息科学与工程学院，四川成都６１０１０６；
２．模式识别与智能信息处理四川省高校重点实验室，四川成都６１０１０６；
３．四川大学计算机学院，四川成都６１００６５
模式识别与智能信息处理高校重点实验室基金项目申报书
模式识别的研究现状与发展趋势 摘要：随着现今社会信息技术的飞速发展, 人工智能的应用越来越广泛, 其中模式识别是人工智能应用的一个方面。而且现今的模式识别的应用也越来越得到大家的重视与支持，在各方面也有重大的进步。模式识别也成为人们身边不可或缺的一部分。关键词：人工智能，技术，模式识别，前景 Abstract：In the modern society with the rapid development of information technology, the application of a rtificial intelligence is more and more extensive, among them pattern recognition is one of the ap ply of artificial intelligence. And now the application of pattern recognition is also more and more to get everyone's attention and support, in various aspects have significant progress. Pattern rec ognition has become an integral part of people around. Keywords: Artificial Intelligence, Technology,Pattern Recognition, prospects 一，引言 如今计算机硬件的高速发展, 以及计算机应用领域的不断开拓, 人们开始要求计算机能够更有效地感知诸如声音、文字、图像、温度、震动等人类赖以发展自身、改造环境所运用的信息资料。但就一般意义来说, 目前一般计算机却无法直接感知它们, 我们常用的键盘、鼠标等外部设备, 对于这些外部世界显得无能为力。虽然摄像机、图文扫描仪、话筒等设备业已解决了上述非电信号的转换, 并与计算机联机, 但由于识别技术不高, 而未能使计算机真正知道采录后的究竟是什么信息。计算机对外部世界感知能力的低下, 成为开拓计算机应用的瓶颈, 也与其高超的运算能力形成强烈的对比。于是, 着眼于拓宽计算机的应用领域, 提高其感知外部信息能力的学科———模式识别, 便得到迅速发展。 人工智能所研究的模式识别是指用计算机代替人类或帮助人类感知模式, 是对人类感知外界功能的模拟, 研究的是计算机模式识别系统, 也就是使一个计算机系统具有模拟人类通过感官接受外界信息、识别和理解周围环境的感知能力。现将人工智能在模式识别方面的一些具体和最新的应用范围遍及遥感、生物医学图象和信号的分析、工业产品的自动无损检验、指纹鉴定、文字和语音识别、机器视觉地圈模式识别等方面。 二，现状 以地图模式识别为例，地图模式识别是由计算机来对地图进行识别与理解, 并借助一定的技术手段, 让计算机研究和分析地图上的各种模式信息, 获取地图要素的质量意义。其计算处理的过程类似于人对地图的阅读。 地图模式识别是近年来在地图制图领域中新兴的一门高新技术, 是信息时代人工智能、模式识别技术在地图制图中的具体应用。由于它是传统地图制图迈向数字地图制图的一座桥梁, 因此,地图模式识别遥感技术、地理信息系统一起, 被称为现代地图制图的三大技术。 目前, 地图模式识别由于具有广泛的应用价值和发展潜力,因而受到了人们的普遍重视。尤其是随着现今的计算机及其外部硬件环境的不断提高, 科技不过发展的情况下，
现在，公众安全的配置，网络系统的安全、信息中心，信息安全系统持续不断的发展和改革的扩展，迫切需要各种信息应用系统，灵活，高效的资源和云计算平台，以有效整合公共安全的各种信息资源，提高公安系统的稳定性、可扩展的，安全性。本文就为大家介绍一下大数据智能分析软件。 目前，互联网正在经历新一轮的信息技术变革，如物联网、移动互联网、云计算等。新技术往往是信息技术安全性的方法和推动变革的重要引擎，已成为公安信息资源战役的重要组成部分，也带给了整个社会管理创新显著变化。 “警务大数据分析系统”是一项非常具有创新性的公安管理建设，“警务”的改变在推动变为由“管制型”往“服务型公安”。这是经过近几年的发展，它变得越来越明显的特点是数字信息网络，提高了人、警、事的一个互动力，警务功能相互作用的能力随着智能化程度的提高和工作负荷传递的智能化程度的提高，“公安大数据分析系统”的建设已成为现代信息技术革命的时代潮流。 公安部正在推动的“扁平化指挥模式”是尽量降低指挥水平。现有的智能信息管理的优化，减少了中间环节，提高了快速反应能力，提高教学和减少战斗中，响应时间缩小一线部门和时空机制之间的距离。 并基于电信运营商、交管部门、数据中心融合空间采集、公安部门、社会公众的移动位
置等数据形成大数据环境，建立大数据分析平台，支持警情处理、宏观决策、情报分析等大数据专题应用。 大数据系统项目的信息分析的主要目标：建立密集的信息技术支持系统；建立专业的警察命令和战斗团队；建立扁平、快速的指挥调度体系等。 南京西三艾电子系统工程有限公司被评选为2012年度“中国100家具发展潜力品牌企业”、“中国杰出创新企业”等荣誉称号。公司96%的员工为大学本科或以上学历，还有多名离退休的高级工程师做为本公司的技术顾问。
数据中心综合监控解决方案 随着高速发展的信息化建设，以及云计算、云存储技术广泛应用，大型数据中心也如雨后春笋般出现，如今新一代的数据中心，不仅仅只是单一的动力和IT设备的集成，还包括绿色能源的整合应用、系统的智能控制、运维管理的自动化、数据的冗余热备等一系列新技术新产品的集成 详细方案展示 方案概述 方案特点 系统拓朴图 对数据中心机房综合监控系统而言，保证数据中心安全稳定运行已经不是唯一目标了，还需要在节能、减排、智能化、自动化等方面，为用户创造实实在在的效益。纵横通大型数据中心的机房监控系统解决方案，主要包含以下几个部分内容： 动力环境及安防报警监控 动力监控：动力区的变压器、发电机、高压配电柜、低压配电柜、交（直）流配电柜、ATS、STS、UPS、蓄电池等动力设备监控，通过这些设备自带的通讯接口或外置传感器接口，可以监控动力设备的工作参数和工作状态。 环境监控：主要监控数据中心机房的温度、湿度、水浸、粉尘、空调、新风等参数和工作状态。除此以外，需要在风口和通道安装风速、风量、气压传感器，将采集到的这些数据作为数据中心节能控制的依据。数据中心一般分为核心数据机房和普通数据机房，对核心机房内的机柜微环境也需要监控，监控内容包括温
湿度、机柜门禁、机柜内配电参数等。 安防监控：包括对数据中心的门禁、消防、防盗、视频、巡更等系统的监控，为数据中心提供安全保障。 IT设备监控 IT设备监控：包括对数据中心网络设备、服务器、计算机等设备的监控，监控IT设备的工作状态。 资产管理 对数据中心的所有资产进行统计编码并做好电子标签，即可对数据中心的资产进行统一管理。资产管理包括资产信息统计、供应商管理、出入库管理、维修管理、配件管理、分类报表等功能。 运维管理 数据中心传统的运维管理方式是：发现问题→分析（定位）问题→维修派单→维护工程师上门处理→设备维修→故障排除。传统方法不仅过程繁琐，维护周期长，到真正出现问题时，还不一定能完全解决，在维修过程中如果遇到需要更换配件的话，其故障维护周期将更长。纵横通机房监控系统的云运维管理平台，自身建有运维知识库系统，其中的“故障预处理”功能，在设备未发生故障前，就可以判断出该设备出故障的机率，提前通知机房管理人员做好巡检预案。当机房设备出现故障时，系统能够依据知识库内容，做出建议性判断，并自动进行派修派单。 运维管理功能包括：派单管理、问题与事故管理、值班管理、告警管理、员工服务质量管理、员工绩效管理、知识库等功能，从运维的服务、流程、质量、绩效上进行全方面的管理控制。 能耗管理 通过在各级配电柜安装电能计量仪表，分别统计数据中心的照明、空调、动力以及特殊用电等各个部分用电数据，对能耗数据进行编码，分析计算数据中心机房的能耗指标。能耗管理功能包括能耗数据监测、预警与预报、能耗数据报告和报表管理、能耗业务数据建模、能耗数据查询、统计和分析、节能数据分析、节能管理等。
模式识别与智能系统 （081104） 一、培养目标 培养热爱祖国，拥护中国共产党的领导，拥护社会主义制度，遵纪守法，品德良好，具有服务国家、服务人民的社会责任感，掌握本学科坚实的基础理论和系统的专业知识，具有创新精神、创新能力和从事科学研究、教学、管理等工作能力的高层次学术型专门人才。 模式识别与智能系统是20世纪60年代以来在信号处理、人工智能、控制论、计算机技术等学科基础上发展起来的新型学科。该学科以各种传感器为信息源，以信息处理与模式识别的理论技术为核心，以数学方法与计算机为主要工具，探索对各种媒体信息进行处理、分类、理解并在此基础上构造具有某些智能特性的系统或装置的方法、途径与实现，以提高系统性能。模式识别与智能系统是一门理论与实际紧密结合，具有广泛应用价值的控制科学与工程的重要学科分支。 本学科培养德智体全面发展，具有坚实和系统的模式识别与智能系统理论知识和实践技能，了解模式识别与智能系统学科发展的前沿和动态，能够适应我国经济、科技、教育发展需要，面向二十一世纪的科学研究、工程技术和高等教育的高层次人才。学位获得者业务上应具有具备从事在本学科及相关学科领域独立开发研究工作的能力，注意理论联系实际，能够分析和解决现代经济建设和交叉学科中涌现出的新课题；能够熟练利用计算机解决本学科的有关问题；较为熟练地掌握一门外国语；具有健康的体格。 二、研究方向 （一）智能机器人系统 主要进行智能机器人控制与决策系统的研究与开发，包括自主移动机器人、特种机器人、服务机器人、工业机器人等内容。机器人的自主定位、导航、避障与多机器人协调控制为主要研究方向。 （二）系统仿真技术与应用 主要研究方向为控制系统仿真与计算机辅助设计、半实物仿真与实时控制、分数阶与网络控制系统仿真、系统建模校验与验证及仿真算法和高层体系结构理论与应用技术、工业过程建模仿真和提高控制效果与系统性能的方法研究。 （三）图像处理与计算机视觉 研究图像信息获取、处理、分析、理解与识别分类等理论与技术，研究图像处理技术在医学影像处理、动态目标识别与跟踪、智能交通系统、军事等领域的工程应用问题。 （四）建筑智能化技术 本方向以建筑智能化技术为背景，主要研究智能建筑系统集成理论与技术、
《模式识别与人工智能》课程教学大纲 一、课程基本信息 课程代码：DX3004 课程名称：模式识别与人工智能 课程性质：选修课 课程类别：专业与专业方向课程 适用专业：电气信息类专业 总学时： 64 学时 总学分： 4 学分 先修课程：MATLAB程序设计；数据结构；数字信号处理；概率论与数理统计 后续课程：语音处理技术；数字图像处理 课程简介： 模式识别与人工智能是60年代迅速发展起来的一门学科，属于信息，控制和系统科学的范畴。模式识别就是利用计算机对某些物理现象进行分类，在错误概率最小的条件下，使识别的结果尽量与事物相符。模式识别技术主要分为两大类：基于决策理论的统计模式识别和基于形式语言理论的句法模式识别。模式识别的原理和方法在医学、军事等众多领域应用十分广泛。本课程着重讲述模式识别的基本概念，基本方法和算法原理，注重理论与实践紧密结合，通过大量实例讲述如何将所学知识运用到实际应用之中去，避免引用过多的、繁琐的数学推导。这门课的教学目的是让学生掌握统计模式识别基本原理和方法，使学生具有初步综合利用数学知识深入研究有关信息领域问题的能力。 选用教材： 《模式识别》第二版，边肇祺，张学工等编著[M]，北京：清华大学出版社，1999； 参考书目： [1] 《模式识别导论》，齐敏，李大健，郝重阳编著[M]. 北京：清华大学出版社，2009； [2] 《人工智能基础》，蔡自兴，蒙祖强[M]. 北京：高等教育出版社，2005； [3] 《模式识别》，汪增福编著[M]. 安徽：中国科学技术大学出版社，2010； 二、课程总目标 本课程为计算机应用技术专业本科生的专业选修课。通过本课程的学习，要求重点掌握统计模式识别的基本理论和应用。掌握统计模式识别方法中的特征提取和分类决策。掌握特征提取和选择的准则和算法，掌握监督学习的原理以及分类器的设计方法。基本掌握非监督模式识别方法。了解应用人工神经网络和模糊理论的模式识别方法。了解模式识别的应用和系统设计。要求学生掌握本课程的基本理论和方法并能在解决实际问题时得到有效地运用，同时为开发研究新的模式识别的理论和方法打下基础。 三、课程教学内容与基本要求 1、教学内容： （1）模式识别与人工智能基本知识； （2）贝叶斯决策理论； （3）概率密度函数的估计； （4）线性判别函数； （5）非线性胖别函数；
模式识别与智能系统硕士点 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。 辅导材料：纪震，李慧慧等，《电子标签原理与应用》,西安电子科技大学出版社, 2005.12, ISBN 705606-1599-6。认真阅读该书的第一章。
模式识别与智能系统 Pattern Recognition & Intelligent System （专业代码：081104） 一、学科概况 本校模式识别与智能系统学科为国务院1993年批准的博士学位授予权学科，2001年经国务院学位委员会批准为国家级重点学科（二级学科）；本学科所在的控制科学与工程学科具有一级学科博士学位授予权,同时拥有一级学科博士后流动站。本学科主要从事模式识别与智能系统的理论与应用研究，为本校“211工程”重点建设学科。经过多年的建设，现有博士生导师七名，百余名的博士生研究队伍，和先进的教学与科研硬设备环境。多年来，一批科研成果达到国际与国内先进水平。 二、培养目标 本学科培养的模式识别与智能系统的硕士研究生应具有较宽广的基础理论及较深入的专业知识，能解决国家经济建设与国防中在本领域内的工程技术的应用课题，具有较好的理论联系实际的能力。 三、学制和学分 全日制硕士研究生实行以两年半制为主的弹性学制，原则上不超过5年。 总学分33学分，其中必修课程不少于14学分。
四、硕士课程设置 五、科研能力与水平 1. 掌握本学科的基础理论和专业知识，对所研究的课题有新的见解，取得新的成果。对于学术型学位的硕士研究生，还应熟悉国内外相关的学术研究动态。 2. 工作认真踏实，能独立进行科研工作并圆满完成科研任务。 3. 对于应用型、复合型学位的硕士研究生，能发现实践中与本学科相关的需求，能提出工程解决方案；对于学术型学位的硕士研究生，能提出和界定科学问题。
4. 硕士研究生在校期间应积极发表学术论文，参与学术交流。 六、开题报告 为确保学位论文的质量，指导教师应针对每个硕士研究生的类型和层次，确定选题范围。硕士研究生在导师的指导下，通过阅读文献、收集资料和调查研究后确定研究课题，提交开题报告。开题报告的主要内容包括： （1）课题来源及研究的目的和意义； （2）国内外在该方向的研究现状及分析； （3）主要研究内容； （4）研究方案及进度安排，预期达到的目标； （5）预计研究过程中可能遇到的困难和问题以及解决的措施； （6）主要参考文献。 提交开题报告的时间一般为第四小学期，开题报告字数应在5000字以上。开题报告的评议结果为通过或不通过。硕士研究生学位论文选题、开题的要求详见《南京理工大学硕士学位论文选题、开题及撰写的有关规定 七、学位论文 学位论文工作是研究生培养的重要组成部分，是对研究生进行科学研究或承担专业技术工作的全面训练，是培养研究生创新能力、综合运用所学知识发现问题、分析问题和解决问题能力的重要环节。 硕士学位论文要求概念清楚、立论正确、分析严谨、计算正确、数据可靠、文句简练、图表清晰、层次分明，能体现硕士研究生具有宽广的理论基础，较强的独立工作能力和优良的学风。在阐明论文的目的、意义和成果时，应有实事求是的科学态度。 硕士研究生的论文工作必须在导师指导下，由研究生独立完成。完成后应按照《中华人民共和国学位条理暂行实施办法》和《南京理工大学博士、硕士学位授予细则》的规定,组织论文评审和答辩。获准参加答辩的前提条件是：必须修满规定的学分，外语通过学位英语考试或通过国家英语六级考试，其余学科基础课程成绩不得低于70分并完成教学实践、科研实习。
什么是智能信息处理？及其起源、发展与应用。 智能信息处理是模拟人与自然界其他生物处理信息的行为，建立处理复杂系统信息的理论、算法和系统的方法和技术。智能信息处理主要面对的是不确定性系统和不确定性现象的现象处理问题。智能现象处理在复杂系统建模、系统分析、系统决策、系统控制、系统优化和系统设计等领域具有广大的应用前景。 起源：20世纪90年代以来，在智能信息处理研究的纵深发展过程中，人们特别关注到精确处理和非精确处理的双重性，强调符号物理机制与联结机制的综合，倾向于冲破“物理学式”框架的“进化论”新路，一门称为计算智能的新学科分支被概括地提出来了，并以更快的目标蓬勃发展。 首次给出计算智能定义的是美国学者James C. Bezdek。他在题为“什么是计算智能”的报告中讲到：智能有三层次，第一层是生物智能（BI），第二层是人工智能（AI），第三层是计算智能（CI）。目前，国际上提出计算智能就是以人工神经网络为主导，与模糊逻辑系统、进化计算以及信号与信息处理系统的综合集成。 我们认为新一代的计算智能信息处理技术应该是神经网络、模糊系统、进化计算、混沌动力学、分型理论、小波变换、人工生命等交叉学科的综合集成。一般来说，智能信息处理分为两大类，一类为基于传统计算机的智能信息处理，另一类为基于神经计算的智能信息处理。
为了适应信息时代的信息处理要求，当前信息处理技术逐渐向智能化方向发展，从信息的载体到信息处理的各个环节，广泛地模拟人的智能来处理各种信息。人工智能学科与认知科学的结合，会进一步促进人类的自我了解和控制能力的发挥。研究具有认知机理的智能信息处理理论与方法，探索认知的机制，建立可实现的计算模型并发展应用，有可能带来未来信息处理技术突破性的发展。 现阶段信息处理技术领域呈现两种发展趋势：一种是面向大规模、多介质的信息，使计算机系统具备处理更大范围信息的能力；另一种是与人工智能进一步结合，使计算机系统更智能化地处理信息。智能信息处理是计算机科学中的前沿交叉学科，是应用导向的综合性学科，其目标是处理海量和复杂信息，研究新的、先进的理论和技术。智能信息处理研究涵盖基础研究、应用基础研究、关键技术研究与应用研究等多个层次。它不仅有很高的理论研究价值，而且对于国家信息产业的发展乃至整个社会经济建设、发展都具有极为重要的意义。 总的来说，具有神经计算的智能信息处理正朝着生物智能方向发展，“计算智能”时期重要的理论基础。一般认为计算智能包括神经网络、模糊系统和进化计算三个主要方面，其积极意义在于促进了基于计算和基于物理符号相结合的各种智能理论、模型和方法的综合集成，有利于发展思想更先进，功能更强大并能够解决更复杂系统问题的智能行为。目前国际上计算智能研究正注意几个结合：神经网络与进化计算结合；神经网络与模糊及混沌三者的结合；神经网络与近代信号处理方法子波、分型等的结合，以更有效地模拟人脑的思维机
云计算环境下大数据及其智能处理技术 1、什么是大数据 “大数据”“是一个体量特别大，数据类别特别大的数据集，并且这样的数据集无法用传统数据库工具对其内容进行抓取、管理和处理。“大数据”首先是指数据体量(volumes) 大，指代大型数据集，一般在10TB 规模左右，但在实际应用中，很多企业用户把多个数据集放在一起，已经形成了PB级的数据量；其次是指数据类别(variety)大，数据来自多种数据源，数据种类和格式日渐丰富，已冲破了以前所限定的结构化数据范畴，囊括了半结构化和非结构化数据。 IBM将大数据归纳未三个标准，即3V：类型（variety）、数量（volume）和速度（velocity）。其中类型（variety）指数据中有结构化、半结构化和非结构化等多种数据形式；数量（volume）指收集和分析的数据量非常大；速度（velocity）指数据处理速度要足够快。 大数据对于悲观者而言，意味着数据存储世界的末日，对乐观者而言，这里孕育了巨大的市场机会，庞大的数据就是一个信息金矿，随着技术的进步，其财富价值将很快被我们发现，而且越来越容易。大数据本身是一个现象而不是一种技术，伴随着大数据的采集、传输、处理和应用的相关技术就是大数据处理技术，是系列使用非传统的工具来对大量的结构化、半结构化和非结构化数据进行处理，从而获得分析和预测结果的一系列数据处理技术。 2、“大数据”的缘由 根据IDC作出的估测，数据一直都在以每年50%的速度增长，也就是说每两年就增长一倍（大数据摩尔定律），这意味着人类在最近两年产生的数据量相当于之前产生的全部数据量，预计到2020年，全球将总共拥有35亿GB的数据量，相较于2010年，数据量将增长近30倍。这不是简单的数据增多的问题，而是全新的问题。举例来说，在当今全球范围内的工业设备、汽车、电子仪表和装运箱中，都有着无数的数字传感器，这些传感器能测量和交流位置、运动、震动、温
数据中心的供配电及其智能监控系统 中国IDC圈8月23日报道：由于本数据中心承担着多个省市的数据处理任务，因此对供电系统的可靠性要求极高。用电设备种类多。且大部分为一级负荷中的特另Ⅱ重要负荷，为确保供电的连续性，经过多方协商、比较和优化，最终确定了供电系统实施方案。 1供配电系统设计 1.1用电负荷的统计 a.动力负荷：空调制冷机组、精密空调机组、新风机组、给／排水泵、电梯、正压送风机、排烟风机等用电设备，按额定容量进行统计； b.照明负荷，按照度要求及单位容量法进行统计； C.对大型计算机及网络设备等负荷按单台安装容量进行统计； d.最终按需用系数法进行负荷计算。 1.2用电负荷等级的划分 a.一级负荷：大型数据处理用计算机及网络设备、消防用电设备（消火栓泵、喷洒泵、正压送风机、排烟风机、消防电梯、消防控制中心内的火灾报警控制器及联动控制设备等）、应急照明、保安监控系统、电话机房及计算机主机房精密空调设备等。 根据《供配电系统设计规范》（GB50052-95）中第2.0.1条要求，大型数据处理用计算机及网络设备应为一级负荷中特别重要负荷。 b.二级负荷：一般照明、客梯、生活水泵等。 C.三级负荷：送风机、排风机等一般动力负荷。 1.3供电电源 1.3.1 10kV高压电源
本工程高压采用两路10kV电源供电。两路10kV电源分别引自两个不同的上级变电站。两路电源同时供电、互为备用，当其中一路电源发生故障时，另一路电源能担负全部负荷的供电。1.3.2220／380V低压电源 1.3. 2.1正常电源 两台变压器低压侧母线之问设置母联断路器，采用单母线分段分列方式运行；应急母线段通过应急联络转换开关ARISE与主母线联络，当两段变压器母线均失电（即两路市电均发生故障）时，应急联络转换开关自动转换，启动应急电源柴油发电机组。 1.3. 2.2应急电源 a_柴油发电机组的设置：根据《供配电系统设计规范》（GB50052—95）中第2.0_3条要求，为确保一级负荷中特别重要负荷供电的连续性，除两路市电外，应提供独立于正常电源以外的应急电源（即第三路电源）。 因此本工程设有3台能够独立于正常电源以外的柴油发电机组，三台发电机组两用一备，经过双电源转换开关ArI'SE装置的投切转换，为大型数据处理用计算机及网络设备供电。 b.不间断电源装置UPS的设置：根据《供配电系统设计规范》中第2.0.4条要求，允许中断供电时间为毫秒级的供电，可选用蓄电池静止型不间断供电装置。因大型计算机主机及网络设备的允许断电时间为毫秒级，所以为确保其供电的连续性，本数据中心选用了在线“1+1”型并机冗余式UPS供电装置？。 1.4 10kV高压供电系统 1.4.1系统设计要求 两路10kV电源分别引自两个不同的上级变电站，10kV电源采用单母线分段方式运行，设母联断路器，平时两段母线同时分列运行，互为备用；当一路电源故障时，母联断路器手动投入，由另一路电源负担全部负荷。进线隔离车与主进断路器联锁，主进断路器与母联断路器联锁，但不可以在台主进断路器同时运行的情况下和高压侧发生短路故障（故障未排除）时，合上母联断路器。只有当主进断路器中任一台断开后才允许手动台上母联断路器。 1.4.2电器设备选型要求 高压断路器采用真空断路器，分断能力为25kA.在10kV开关柜内装设氧化锌避雷器，作为真空断路器操作过电压保护。真空断路器选用弹簧储能操作机构，采用110V铅酸免维护电池柜作直流操作、继电保护及信号的电源。
人工智能的模式识别与机器视觉 模式识别 “模式”(Panern)一词的本意是括完整天缺的供模仿的标本或标识。模式识别就是识别出给定物体所模仿的标本或标识。计算机模式识别系统使一个计算机系统具有模拟人类通过感官接受外界信息、识别和理解周围环境的感知能力。 模式识别是一个不断发展的学科分支，它的理论基础和研究范围也在不断发展。在二维的文字、图形和图像的识别方而，已取得许多成果。三维景物和活动目标的识别和分析是目前研究的热点。语音的识别和合成技术也有很大的发展。基于人工神经网络的模式识别技术在手写字符的识别、汽车牌照的识别、指纹识别、语音识别等方面已经有许多成功的应用。模式识别技术是智能计算机和智能机器人研究的十分重要的基础 机器视觉 实验表明，人类接受外界信息的80％以上来自视觉，10％左右来自听觉，其余来自嗅觉、味觉及触觉。在机器视觉方面，只要给计算机系统装上电视摄像输入装置就可以“看见”周围的东西。但是，视觉是一种感知，机器视觉的感知过程包含一系列的处理过程，例如，一个可见的景物由传感器编码输入，表示成一个灰度数值矩阵；图像的灰度数值由图像检测器进行处理，检测器检测出图像的主要成分，如组成景物的线段、简单曲线和角度等；这些成分又校处理，以便根据景物的表面特征和形状特征来推断有关景物的特征信息；最终目标是利用某个适当的模型来表示该景物。 视觉感知问题的要点是形成一个精练的表示来取代极其庞大的未经加工的输入情息，把庞大的视觉输人信息转化为一种易于处理和有感知意义的描述。 机器视觉可分为低层视觉和高后视觉两个层次，低层视觉主要是对视觉团像执行预处理，例如，边缘检测、运动目标检测、纹理分析等，另外还有立体造型、曲面色彩等，其目的是使对象凸现出来，这时还谈不上对它的理解。高层视觉主要是理解对象，显然，实现高层视觉需要掌捏与对象相关的知识。 机器视觉的前沿研究课题包括：实时图像的并行处理，实时图像的压缩、传输与复原，三绍景物的建模识别，动态和时变视觉等。 人娄的钉能活动过程主要是一个获得知识并运用知识的过程，知识是智能的基础。为了使计算机具有钉能，能模拟人类的智能行为，就必须使它具有知识。把人类拥有的知识采用适当的模式表示出来以便存储到计算机中，这就是知识表示要解决的问题。知识表示是对知识的一种描述，或者说是一组约定，是一种计算机可以接受的用于描述知识的数据结构，对知识进行表木就是把知识表示咸便于计算机存储和利用的菜种数据结构。知识表示方法给出的知识表示形式称为知识表示程式，知识表示模式分为外部表示模式和内部表示模式两个层次。知识外部表示模式是与软件开发的工具、运行的软件平台无关的知识表示的形式化描述。知
三维可视化机房数据中心智能监控管理系统随着计算机技术的迅速发展，数字交换技术的日新月异，计算机通信已经深入到社会生活并对社会经济的发展起着决定性的作用，而在这其中计算机机房数据中心作为载体更是整体生态链中的重中之重。尤其是近年来，云技术的突飞猛进，计算机机房数据中心所承受的压力越来越大:机房计算机系统的数量与日俱增，其环境设备也日益增多，机房环境设备(如供配电系统、UPS电源、空调、消防系统、保安系统等)，由于各类设备各自独立，如果没有统一的监控系统进行管理，主要是依靠值班人员的定时巡检来进行系统监控，由于值班人员知识面和安全管理的问题，值班人员不可能详细地检查每套系统，所以存在较大的安全生产隐患。 因此，为满足工作需要，提高机房维护和管理的安全性，北京金视和科技股份有限公司建立一套“可视化、智能化、远程化”的监控系统，为机房高效的管理和安全运营提供有力的保证。系统简介 三维可视化机房数据中心智能监控管理系统(3DDCIMMS)对机房实现远程集中监控管理，实时动态呈现设备告警信息及设备参数，快速定位出故障设备，使维护和管理从人工被动看守的方式向计算机集中控制和管理的模式转变。突破性的三维仿真技术是智能可视化数据中心建设的一个重要的组成部分，机房设备具有数量大、种类多、价值高、使用周期长、使用地点分散、缺少实时性管理、管理难度大等特点。全三维可视化监控平台，形象化的虚拟场景和真实数据相结合，增强机房设备、设施数据的直观可视性、提高其利用率。 系统特点 三维虚拟可视化平台 在现有资源管理系统数据库的基础上，以三维虚拟现实的形式展现数据中心的运行情况。实现可视化管理和服务器设备物理位置的精确定位。三维虚拟现实方式
重点污染源企业 智能视频监控分析系统 解 决 方 案 成都之维安科技股份有限公司 2016年3月
目录 第1章. 建设概述 (3) 1.1建设背景 (3) 1.2建设目标 (3) 1.3主要建设内容 (3) 1.4建设技术标准 (4) 第2章. 总体设计 (4) 2.1设计原则 (4) 2.1.1先进性原则 (4) 2.1.2可扩展性原则 (5) 2.1.3安全性原则 (5) 2.1.4实用性原则 (5) 2.1.5稳定性原则 (5) 2.2系统架构 (6) 2.2.1网络架构 (6) 第3章. 现场端设计 (7) 3.1现场端—污染源企业监控点详细设计 (7) 3.1.1. 企业现场端建设拓扑图 (8) 3.1.2. 建设位置选点示意 (8) 3.1.3现场端—视频采集摄像机 (10) 3.1.4现场端—视频存储设备介绍 (12) 3.1.5现场端核心—环保智能视频检测器主要功能介绍 (13) 3.1.6视频数据存储设计 (16) 3.2企业现场端点位详细设计 (17) 3.2.1 CEMS 站房1 (17) 3.2.2 CEMS 站房2 (17) 第4章. 污染源企业安装部署环境要求 (19) 第5章. 设备清单及造价 (20)
第1章. 建设概述 1.1建设背景 为贯彻落实环保部印发的《环境监测数据弄虚作假行为判定及处理办法》（环发〔2015〕175号），进一步促进提升我区直征企业污染源在线监控设施运行管理水平，提高在线监测数据真实性、准确性和有效性，自治区环保厅决定组织全区37家直征电力企业于2016年上半年全面完成污染源智能视频监控系统建设工作，污染源智能视频监控系统是当前污染源在线监控设施的重要组成部分，可实现视频监控企业的废气排口污染物排放情况及在线监测设备的CEMS站房，将污染源排放实时在线监测数据与排放口视频监控实时图像数据叠加，并同步传输至相关环保部门及企业安环部门。 1.2建设目标 全区37家直征电力企业应于2016年6月30日前自筹资金完成污染源智能视频监控系统现场端及链路传输建设，将在线监测数据与排放口视频监控实时图像叠加数据传输至自治区污染物监控与信息中心，有利于及时发现污染源在线监控不正常运行及污染物超标排放情况，为控制和减轻污染、保障在线监测数据真实准确提供有力的技术支持。将目前对直征电力企业污染源现场的监控模式由传统的单一型、粗放型向综合型、智能化、集约型转变。 1.3主要建设内容 为有效提升监管力度，现针对大唐新疆呼图壁热电厂展开现场实时监测点位部署，建设主要建设内容为： 在企业废气排放口及CEMS站房安装高清摄像机、部署智能视频服务器及软件、安装视频存储器、配置光纤网络模块及视频监控数据传输链路。
图像校正及分割处理软件设计与实现《图像分析与模式识别》课程期末大作业报告 课程名称：图像分析与模式识别
目录 图像校正及分割处理软件设计与实现 (1) 1 软件需求 (1) 1.1 操作界面需求分析 (1) 1.2 图像几何校正需求分析 (1) 1.2 ISODATA聚类算法的图像分割需求分析 (2) 2 算法原理及流程图 (2) 2.1 Hough变换 (2) 2.1.1 Hough变换原理 (2) 2.1.2 图像几何校正流程 (3) 2.2 ISODATA算法原理 (3) 2.2.1 ISODATA算法原理步骤 (3) 2.2.1 ISODATA算法流程图 (5) 3 程序设计框图 (6) 4 实验结果及分析 (7) 4.1 图像几何 (7) 4.1.1 支票图像几何校正结果 (7) 4.1.1 支票图像几何校正结果分析 (8) 4.2 图像分割 (8) 4.2.1图像分割结果 (8) 4.2.1图像分割结果分析 (10) 附录： (11) 附录一：图像几何校正代码 (11) 附录一：ISODATA聚类算法图像分割代码 (11) 附录一：MATLAB的GUI操作界面代码 (17)
图像校正及分割处理软件设计与实现 摘要：设计一种图像几何校正及图像分割处理软件，实现对倾斜支票图像校正为水平，及对已给的图像进行分割。图像几何校正主要通过边缘检测、Hough 变换、求倾斜角、图像旋转等算法实现；图像分割采用ISODATA聚类算法实现。实验结果表明，实现了对倾斜支票图像几何校正和对图像的分割功能。 关键词：边沿检测；Hough变换、图像旋转、ISODATA算法；图像分割； 1 软件需求 需求分析是指对要解决的问题进行详细的分析，弄清楚问题的要求，包括整个系统所要实现的功能。 根据题目，设计需要编写带有操作界面的图像处理软件，功能包含图像几何校和基于ISODATA聚类算法的图像分割。开发工具使用MATLAB。根据MATLAB的特点及需要实现的软件功能，软件需求分析如下： 1.1 操作界面需求分析 软件实现的功能是图像处理，因此操作界面中需要一个按钮，用于选择待处理的图像，称为“图像选择”按钮；选择的原始图像需要在操作界面中显示，因此需要一个用于显示原始图像的坐标控件；由于软件需要实现多功能，需要一个下拉框实现功能的选择；一个开始功能处理的按钮，称为“开始处理”按钮；一个用于显示图像处理结果的坐标控件。最后需要一个退出操作界面的按钮，称为“退出”按钮。 1.2 图像几何校正需求分析 原始图像在拍照时出现了倾斜，需要将图像校正，消除倾斜。通过对图像的观察，图像是一支票，支票上存在表格。因此想法是通过检测支票表格边框线的倾斜角，就是整图像的倾斜程度，然后根据这个倾斜角旋转，便可得到校正的水平图像。要检测支票图像表格边框直线。需要对图像的边缘进行检测，图像的边缘检测方法很多，如：sobel算子边缘检测，prewitt算子边缘检测，roberts 算子边缘检测，log算子边缘检测，canny算子边缘检测等，由于原图的噪声并不是很严重，因此上面这些边缘检测办法都能胜任，这里使用log算子进行边缘检测，为了适应其它边缘检测方法，本设计需要尽量在改变边缘检测方法时尽可能少地修改代码。边缘检测后，采用Hough变换提取直线，然后在提取的直线上找两个点，计算出直线的倾斜角度。最后根据这个倾斜角度对图像进行旋转。
人工智能与模式识别 摘要：模式识别(Pattern Recognition)是人类的一项基本智能，着20世纪40年代计算机的出现以及50年代人工智能的兴起，模式识别技术有了长足的发展。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。模式识别的发展潜力巨大。 关键词:人工智能模式识别模式识别的方法模式识别的应用模式识别的发展潜力 正文: 模式识别的定义是借助计算机，就人类对外部世界某一特定环境中的客体、过程和现象的识别功能(包括视觉、听觉、触觉、判断等)进行自动模拟的科学技术。随着20世纪40年代计算机的出现以及50年代人工智能的兴起，人们当然也希望能用计算机来代替或扩展人类的部分脑力劳动。(计算机)模式识别在20世纪60年代初迅速发展并成为一门新学科。 模式识别(Pattern Recognition)是指对表征事物或现象的各种形式的(数 值的、文字的和逻辑关系的)信息进行处理和分析,以对事物或现象进行描述、辨认、分类和解释的过程,是信息科学和人工智能的重要组成部分。模式识别又常称作模式分类，从处理问题的性质和解决问题的方法等角度，模式识别分为有监督的分类（Supervised Classification）和无监督的分类(Unsupervised Classification)两种。二者的主要差别在于，各实验样本所属的类别是否预先已知。一般说来，有监督的分类往往需要提供大量已知类别的样本，但在实际问题中，这是存在一定困难的，因此研究无监督的分类就变得十分有必要了。 此外，模式还可分成抽象的和具体的两种形式。前者如意识、思想、议论等,属于概念识别研究的范畴,是人工智能的另一研究分支。我们所指的模式识别主要是对语音波形、地震波、心电图、脑电图、图片、照片、文字、符号、生物传感器等对象的具体模式进行辨识和分类。 模式识别研究主要集中在两方面,一是研究生物体(包括人)是如何感知对象的，属于认识科学的范畴,二是在给定的任务下,如何用计算机实现模式识别的理论和方法。 模式识别与很多学科都有联系，它与统计学、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。 模式识别的方法主要有决策理论方法和句法方法，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。 模式识别的应用非常广泛，比较典型的有：1 文字识别：在信息技术及计算机技术日益普及的今天，如何将文字方便、快速地输入到计算机中已成为影响人机接口效率的一个重要瓶颈，也关系到计算机能否真正在我过得到普及的应用。
数据中心监控系统技术方案书
方案技术背景 1.1背景概述 项目建设目标是结合数据中心现有的IT服务管理系统，直观地展现业务系统与基础设施之间的关系、有效地预警和监控、保证公司信息服务的可用性与持续性，将监控工作的“被动发现”转变为“主动预警”。 1.2典型需求描述 1.统一的性能监测采集 1)提供统一的监测管理平台，集中监控主机系如AIX/LINUX/WINDOWS 等、中间件WEBLOGIC/WEBSPHERE/IIS/APACHE等、数据库 ORACLE/SQLSERVER/DB2等、邮件系统Exchange等、业务进程状态等各个业务层次和环节；所有的监测器由统一平台调度； 2)对中间件的监控应能监控到中间件内部，包括线程等。 3)提供对各种网络设备（交换机、路由器、防火墙等）、小型机（IBM、HP等）、存储（IBM、HP、EMC、HITACHI磁盘阵列；EMC、NETAPP等NAS存储）、光纤交换机等的全方位监控。 4)系统管理平台应支持对业务系统自身关键性能点的自定义监测； 5)提供界面配置的简易方式，支持V Bscript、SHELL、java等方式扩展自定义的个性化监测器； 6)支持SNMP、Agent 、SSH等多种采集方式，避免采用 Telnet、RPC 等不安全的采集方式； 7)应能支持Agent方式并支持主流的Unix、Linux、Windows服务器平台；
8)Agent方式应采用单一模式，当主机服务器上的被监测应用项目发生变更或增加时，无需更换或添加额外Agent程序； 9)支持“自动发现”和手动输入两种方式配置被监测对象的配置参数； 10)支持分级部署，支持二级管理方式，并能提供全国分布式部署案例； 11)能支持3000台或更多IT设备的监测能力。 2.管理视图展现 1)提供集中登陆页面和整体状态视图，并支持以flash或其它动态图形方式显示； 2)支持业务管理视图。应能够建立业务管理目标到被监测设备和系统的纵向逻辑关联，建立从业务到监测数据的层次关联视图，为管理者展现多角度多层次的管理渠道； 3)业务视图支持动态展示业务下级层数和显示图形大小等控制； 4)可结合“用户和角色管理”模块，实现不同用户从管理不同角度和不同层次的视图； 5)管理视图可以动态配置修改，业务关联发生变化时，能够通过界面操作快速适应； 6)支持树形视图结构的逐层钻取； 7)支持三层拓扑和二层拓扑视图功能，支持全屏显示，支持多个子拓扑的动态刷新显示，设备间连线可以显示连线的状态，还可以根据流量变换连线的宽度，支持显示IP/设备名的切换，用户可以灵活设置拓扑的刷新时间； 3.界面模式和安全 1)全面支持B/S 结构，无需安装额外客户端；