基于颜色信息足球机器人视觉跟踪算法

机器人足球比赛是一项非常复杂的高技术对抗活动 ,其中快速准确地识别小球和机器人小车是决策及控制的基础 .在足球机器人视觉跟踪中 ,颜色信息是最主要的识别分割依据 ,由于 HSV模型更接近人眼对颜色的感知 ,在不同光照条件下 ,色调参数 H数值较稳定 ,比较适合用做识别处理的基础 .因此使用色调 H和亮度 V作为识别颜色的参数 ,同时为了提高识别速度 ,作了一些改进 ,并提出一种橙色高尔夫球和机器人小车的快速识别算法 .试验快速准确 ,证明了该算法的可靠性和有效性 .

基于GIS的扎龙湿地生态信息系统建立方法研究

该文充分应用GIS强大的空间信息管理和分析功能,以ARC/INFO8.2软件为工具,根据扎龙湿地生态环境特点和现有生态环境信息资料,进行了湿地生态资源调查和湿地专题地图绘制,设计了湿地生态信息系统数据库结构,建立了空间数据库和属性数据库。

基于GSM网络的分布式数据采集系统的信息安全问题

简介了基于GSM网络的分布式数据采集系统的组成 ,并着重分析了系统的信息安全问题。通过采用加密算法和口令信息 ,进一步地提高了系统的安全性能。

基于WEB的扎龙湿地GIS系统的建立

湿地信息系统是面向湿地管理的地理信息系统,由湿地相关信息组成的数据库以及收集、描述、处理这些数据的技术方法组成。该文对基于Web的湿地地理信息系统的理论技术与应用方面的问题进行了讨论,研究了基于WebGIS的扎龙地理信息系统建立的基本思路和方法,包括信息查询系统、信息发布系统等内容。

Fuzzy ARTMAP神经网络在土地覆盖分类中的应用研究

面对数量激增、包含信息日趋复杂的遥感影像,如何快速有效地自动分类已成为遥感领域亟待解决的问题。以TM影像为实例,探讨了FuzzyARTMAP神经网络在土地覆盖分类方面的应用。在总结FuzzyARTMAP网络警戒系数调整方法的基础上,提出了一种新的设置和调整警戒系数的方法。实验结果表明,这种新方法可以解决人为选择警戒系数效率低、难以取得合适数值的问题,并能提高网络的收敛速度和分类精度,结合本文所提算法的FuzzyARTMAP神经网络与最大似然法和传统FuzzyARTMAP网络相比较,训练时间缩短,分类精度有所提高。FuzzyARTMAP网络用于土地覆盖分类研究可以获得相对较好的分类结果。

多输入模糊神经网络及其应用

为了提高神经网络的训练速度和泛化能力 ,同时解决一般模糊神经网络由于输入增多而导致模糊规则膨胀的问题 ,提出了多输入模糊神经网络的结构和算法。此算法用取大取小运算部分代替网络的积和运算 ,同时提出一种获取重要规则的方法。最后将多输入模糊神经网络应用于建筑投标报价系统。仿真结果表明 ,本网络具有较快的训练速度和较高的泛化能力。

向海自然保护区土地覆盖分类研究

探讨了FuzzyARTMAP神经网络在向海自然保护区土地覆盖分类中的应用.全文阐述了FuzzyARTMAP网络结构及其采用的算法,提出一种引入遥感图像判读结果的警戒系数自动调整方法,能够解决人为选择警戒参数效率低、难以取得合适数值的问题.结果表明,具有警戒系数调整功能的FuzzyARTMAP神经网络能够有效的对向海自然保护区的TM影像进行分类,它与最大似然法和传统的FuzzyARTMAP神经网络相比对样本的依赖程度较低,分类精度较高.警戒系数自动调整方法根据遥感影像判读结果自动调整网络参数,提高了网络的运行速度.从分类结果可以看出,向海自然保护区目前开荒现象比较严重,草场有所退化,沼泽有荒漠化迹象,应当采取相应的措施保护向海湿地资源.

扎龙湿地沼泽的提取模型研究

利用扎龙湿地TM图像,通过分析各类地物的光谱特征、谱间结构特征以及采样剖面线,发现了扎龙湿地沼泽的光谱特征,并由此建立了一个基于知识发现的沼泽提取模型。提取结果表明,建立的沼泽提取模型能够实现自动提取扎龙湿地的芦苇沼泽,其精度可以达到98%。

基于EOF-SVD模型的多元时间序列相关性研究及预测

将奇异值分解同自然正交分解相结合,提出一种改进的正交奇异值分解方法。通过对原始数据进行自然正交分解,削弱原始数据之间的相关性,增强其用于分析及预测的能力,并得到相互正交的主成分代替原始数据进行奇异值分解,分析两个变量场之间的相关关系。在此基础上建立神经网络预测模型,实现多元时间序列的预测。采用该方法对三门峡处径流量同太平洋海温的耦合关系进行分析,并同常规奇异值分解方法进行比较,仿真结果验证了所提方法的有效性。

ICL7135与单片机接口电路

针对双积分式A/D转换器对信号转换速率的要求不是很高而对转换精度要求很高的特点,分析了双积分式A/D转换器ICL7135与单片机的几种接口电路。对并行与串行两种方式进行说明:并行接口电路中根据占用单片机I/O端口数量的不同给出了9线制接法和改进的6线制接法;在单片机的I/O端口特别紧张的情况下,则可以采用串行接口电路。设计双积分A/D转换器ICL7135与单片机的几种接口电路,具有简单可行,有效灵活的特点。为从事单片机设计和智能仪表开发研制的人员提供了一定的参考。

一种通用学习网络自适应算法及其在预测控制中的应用

针对黑箱过程的辨识与控制,本文提出了一种选择通用学习网络(universal learning network,ULN)节点间延迟时间参数的自适应算法,并将其应用于对控制对象中的纯滞后参数的辨识．将通用学习网络与PID控制器相结合,应用于包含大滞后的系统的模型预测控制(model predictive control,MPC)中．仿真结果证明通用学习网络能够有效地辨识被控对象的纯滞后时间,并能够作为预估器应用于模型预测控制系统中．

模糊ARTMAP神经网络在TM影像分类中的应用

要 :阐述了模糊ARTMAP网络结构及其采用的算法 ,提出一种引入遥感图像判读结果的警戒系数自动调整算法 ,能够解决人为选择警戒参数效率低、难以取得合适数值的问题 .仿真结果表明 ,具有警戒系数调整功能的模糊ARTMAP神经网络能够有效地对向海自然保护区的TM影像进行分类 ,它与最大似然法和传统的模糊ARTMAP神经网络相比 ,对样本的依赖程度较低 ,分类精度较高 .

一种用于小波网络隐层节点选择的新方法

针对小波网络隐层节点的选择问题,结合QR分解提出一种新的正交化选择方法。在节点选择过程中,预先对候选节点集合进行分块操作,在每个子块里采用QR分解与误差减小率(error reduction ratio,ERR)参数相结合的方法进行选择。该方法进一步简化了小波网络的计算量,并且保持网络较高的计算精度。将该方法应用于采用变量解析(the analysis of variance,ANOVA)扩展的小波网络,分别对Mackey-Glass方程和年太阳黑子数据进行一步预测,结果表明,提出的正交化选择方法在简化计算的同时,能较好地提取系统特征,并显示出较好的预测结果。

递归神经网络在堆石坝地震响应分析中的应用

针对堆石坝系统的地震响应分析问题,提出了一种递归神经网络建模方法。该神经网络模型包含内部状态神经元的反馈并具有状态空间形式。借助于该网络模型的逼近能力和动态信息存储能力,从观测的结构动态系统输入输出数据中重构原系统的输入输出特性,并对新的输入信号做出相应的预测和响应。分别对理想的有限元响应数据和实测的响应数据进行了仿真。结果表明,所提出的神经网络方法较好地学习了这两组结构系统的动态特性,并显示出较好的预测效果。

自适应滤波算法的神经网络实现

为了提高传统自适应滤波器求解权值的速度,本文在Hopfield神经网络的基础上,提出了自适应滤波算法的神经网络硬件实现,从理论上进行了分析,并进行了仿真。

基于通用学习网络的预估控制

利用通用学习网络具有所有节点互连,任意两节点之间可以有多重连接,且连接允许有任意延迟时间的特点,对典型非线性、大滞后系统进行了辨识.结合PID控制器对pH中和过程实现了高精度的预估控制.通过与传统的Smith预估控制的比较,证明该网络能有效地应用于大滞后系统,利用该网络进行系统辨识是对未知对象模型控制的一种有效新方法.*

对通用学习网络延迟时间的探索

本文对多重分支神经网络的延迟时间进行优化提出了一种新方法。该方法通过对延迟时间的随机探索 ,寻找一种适合于系统的最优延迟时间。具体思想是利用多重分支神经网络可以具有任意延迟时间的特点 ,在对延迟时间进行探索的同时 ,利用节点之间的开关机构 ,对不必要的分支进行削除。以达到优化结构、优化延迟时间的目的。

基于通用学习网络的控制器设计

神经网络已经广泛地应用于控制领域,但是现有的神经网络一般不包含延迟时间,或延迟时间不能任意设置。通用学 习网络(UniversalLearningNetwork)是一种新型可设定神经网络,该网络所有节点互连,任意两节点之间可以有多重连接, 且连接上有任意的延迟时间。利用通用学习网络对典型的非线性、大滞后系统——pH中和过程进行辨识,并作为预估器应用 于控制系统。仿真研究证明该网络能有效地应用于大滞后系统。

基于模糊竞争学习和UD分解的模糊建模

为解决复杂系统模糊建模问题,研究了利用模糊竞争学习实现非线性系统的模糊建模方法.首先,利用模糊竞争学习方法划分输入变量的模糊输入空间,确定模糊模型的规则数、规则,实现模糊模型的结构优化.另外,为了克服递推最小二乘出现的误差积累、传递现象,采用基于矩阵UD分解的递推最小二乘方法确定模糊模型的结论参数,从而实现模糊模型的结构和参数优化.采用该方法对M ackey-G lass混沌时间序列进行建模研究,结果表明可以在线或者离线对M ackey-G lass混沌时间序列进行准确预测,效果较好.

RBF网络在混凝土强度研究中的应用

本文以混凝土抗压强度建模为例 ,介绍一种自组织学习的 RBF算法 ,并与广受欢迎的 BP算法比较。仿真结果表明 ,RBF网络的学习速度显著加快 ,并具有较好的泛化能力 ,能有效地应用于混凝土领域。