半监督学习训练神经网络的线切割加工预测

神经网络存在的局限性，根据机床加工数据与实际生产获取约束条件结合的半监督学习方法，选取半监督聚类算法作为神经网络优化的学习方法确定径向基神经网络中各隐藏节点的数据中心，并利用数据中心点间距离确定隐节点的扩无常数。采集数据进行有监督学习神经网络的权值输出，生成整个预测加工系统。为避免模型的过度拟合采用训练数据与检测数据分开不重复来检验误差，并与传统的建模方法如多项式回归、RBF神经网络进行对比，本方法能具有更小的输出误蒡．仿真更加稳定。

图像局部映射二进制串描述符

为了提高图像局部特征算法的计算速率与匹配速度,并保持其准确率,提出了一种局部映射二进制串描述符算法。它通过映射的方法将图像局部区域转化成二进制串,从而提高其计算效率与匹配速度,并通过机器学习的方法寻找最佳映射矩阵,保持其准确率。从实验结果表明,只需32比特的二进制串就可以在准确率上媲美现有的局部描述符算法,并在匹配速度上有较大的优势。