多权值神经元网络仿生模式识别方法在低训练样本数量非特定人语音识别中与HMM及DTW的比较研究

本文将基于多权值神经元网络的仿生模式识别方法用于连续语音有限词汇量固定词组识别的研究中,并将其识别效果与HMM方法及DTW方法进行了比较分析.以15个词组的词汇表做测试,通过调整这三种识别算法的参数,在它们的拒识率相同的情况下,针对参加训练的词汇,比较他们的错误识别率(某类误认为他类);针对未参加训练的词汇,比较他们的错误接受率(误认为某类).结果表明,在低训练样本数量的情况下,仿生模式识别方法能获得更好的识别效果.

多权值概率论实时地图匹配

地图匹配算法是智能交通系统中车辆导航的重要组成部分。把地图匹配的算法分为不同阶段:初始阶段匹配、路口区域匹配、车辆在匹配道路上的位置确定。按不同匹配阶段采用相应匹配算法,同时根据不同情况采取相应的补偿方式,减少了道路方向上的匹配误差。根据概率理论和内积理论,构造了合适的不同权值函数,最后根据总的权值确定匹配参数。通过在MATLAB平台上与目前现有算法进行仿真对比,该算法在不引入复杂运算的前提下,提高了匹配与显示准确度。

基于多权值神经网络的老人跌倒智能识别研究

随着我国人口老龄化及对延年益寿的期望加剧,老年人的健康问题受到广泛的关注。针对这一社会问题,建立人体跌倒模型,并对三轴加速度传感器采集来的不同人体跌倒姿态的高维数据做主成分分析(PCA),降维处理使其特征投影到低维空间,再将降维后的特征向量借助多权值神经元网络算法识别人体跌倒姿态。最后,实际采样的人体跌倒姿态数据验证了该方法的有效性。此外,与支撑向量机(SVM)算法相比较,实验结果表明,多权值神经元网络比支撑向量机算法在人体跌倒应用中更加具有优越性。

带多权值局部插值型的几何迭代法

针对参数曲线/曲面重要细节特征处理的问题,提出带多个权值的、局部插值的几何迭代算法.首先将初始控制顶点分为插值点和非插值点2组,在调整不同的插值点时对调整向量赋予不同的权值,非插值点则不进行调整;然后给出算法的迭代矩阵并分析了收敛性;最后将文中算法推广到三维曲面情形.数值实例结果表明,通过适当地选取权值,该算法不仅可以灵活地处理曲线/曲面的局部细节特征,而且迭代产生的误差相对较小.

视频差错掩盖的两步多权值边框匹配算法

为了克服视频传输中因视频传输差错引起的视频质量下降 ,提出了一种视频差错掩盖的两步多权值边框匹配算法。该算法充分利用了受损宏块周围的宏块信息来估算受损宏块的运动向量 ,并首先通过预掩盖受损宏块 ,使视频图像质量初步改善 ;然后在此基础上利用两步多权值边框匹配算法评估受损宏块的候选运动向量 ;最后用产生最小边界匹配差值的候选运动向量的运动补偿块来替代受损宏块 ,以进一步改善图像质量。这样就基本上克服了边界匹配算法在物体边界对运动向量估算不准确以及大量连续 GOB或整帧丢失时 ,掩盖效果较差甚至无法掩盖等不足。通过基于 H.2 6 3+和 Internet的仿真实验表明 :该算法不仅能有效地抑制视频差错扩散 ,并能取得满意的差错掩盖效果。

基于最少转接多权值SDH传送网通道路由算法

为提高SDH传送网通道开通的效率,提供多个选路原则下的路径解集,对传送网的通道路由搜索方法进行了研究。提出了一种基于最少转接次数原则且提供多权值路径解集的算法。引入转接距离概念,根据与起点的转接次数不同划分网络中的节点为若干集合,简化网络的拓扑结构。定义了计算转接距离集合的运算,对运算结果进行深度优先遍历,得到最少转接的多权值路径解集。对算法的正确性和特点作了分析,并对算法进行了举例说明。

基于Multi-Agent的多权值优化分簇算法及仿真研究

提出了一种基于Multi-Agent的多权值优化分簇算法,算法定义了多种Agent类型,在簇头选举阶段选取了影响簇头合理分布的多个网络参数,在簇的更新阶段采用移动Agent启发机制进行簇的局部更新.仿真结果表明,算法不仅可以选出合理的簇头,使能量均匀的消耗,还可以节省整个网络的能量消耗.

动态k近邻辅助多权值Slope One算法

为有效解决传统Slope One算法推荐精度低的问题,提出一种动态k近邻辅助多权值Slope One算法。结合k近邻的思想,对相似度计算方法改进,筛选大于相似度阈值的近邻用户集进行平均评分偏差计算,减少大量干扰评分数据带来的影响。使用用户相似度、用户综合信任度和项目相似度作为权值加权到评分预测当中,进一步提升推荐精度。将算法应用于MovieLens数据集,与几种算法进行对比,实验结果表明,改进的算法均优于其它几种算法,有效提高了推荐的质量。

一种基于多权值SAD-Census立体匹配算法

在立体匹配算法中,局部立体匹配中最常使用的算法为SAD算法和census算法,文章通过分析两种算法的优点与缺点,并针对传统立体匹配精度较低这一问题,提出了一种基于多权值SAD-Census立体匹配算法。首先,先计算出传统SAD与传统census算法的匹配代价,再进行融合,在不同的自适应窗口中通过提供不同的权重从而进行聚合代价的计算。再通过利用赢家通吃算法以及一致性检测算法来进行视差优化和空洞填充,从而得到最终的视差图。实验结果表明,文章改进后的算法与传统SAD算法和传统census算法相比,缩短了运行时间,提高了匹配的精度,增强实验结果的鲁棒性。

结合Bi-2DPCA和多权值神经网络的人脸识别方法

由于采用主成分分析方法进行人脸识别容易受光照、脸部变形和旋转等因素的影响,对此提出了一种基于双向二维主成分分析(Bi-2DPCA,bilateral two-dimensional principal component analysis)和多权值函数神经网络的人脸识别方法.该人脸识别方法首先采用Bi-2DPCA方法对人脸图像进行压缩并提取其特征向量,然后将提取到的特征向量作为多权值函数神经网络的输入对神经网络进行训练,通过训练进而得到人脸图像的类间判别信息,最后进行人脸识别.在ORL标准人脸库上与其它识别算法进行比较,实验结果表明该算法的识别率高于其他识别方法.

基于多权值的OCR识别模式

提高识别率是OCR主要的研究方向之一 ,而单一模式对识别率的提高有一定的限度。文中提出的基于多权值的OCR识别模式将多种识别模式有机结合起来 ,利用它们之间的互补性提高了识别率。

考虑电导率和能量的水下电场自适应调整多权值成簇算法

大量小型自主式水下航行器(autonomous underwater vehicle,AUV)组网通信完成合作任务是水下机器人工作的一个重要方向。水下电场通信具有高速率、低延迟等特点,AUV使用水下电场通信能够在短距离内实现稳定高速的通信,但是水下电场通信技术存在通信距离受限和电场强度本身受电导率影响等问题。针对这2个问题,提出一种考虑电导率和能量的水下电场自适应调整多权值成簇算法。首先,采用分簇的思想对大量AUV进行分簇处理,其中,增加副簇首提高簇稳定性并减小更换簇首时的能量消耗,设计网关节点加强网络连通性,实现簇间通信。其次,在选举簇首时,综合考虑节点可用度、通信成本、剩余能量这3个关键参数,达到负载均衡和均衡能耗的目的。最后,针对在网络通信状况差时系统维持簇结构而开销大的问题,根据水体环境电导率和节点剩余能量设计自适应调整策略。通过缩小簇规模等手段降低系统在工作过程中的整体能量消耗,提高网络生命周期。研究结果表明:在不同电导率实验条件下,本算法均能有效延长网络生命周期,提高网络生存时间。通过有无自适应调整策略的对比实验,也证明自适应调整策略起到了一定作用。

采用双向搜索在多权值路网中查找较优长路径

求解最短路径是图研究中的一个经典问题。目前大多数相关研究都假设图中每条边只有一种权值。然而在实际应用中,有时候图中的边设有多种权值,求解最短路时需要综合计算多种权值,并采用用户自定义的聚合函数f将路径的多种权值映射到一个实数上,用以比较路径的长短。当f不是线性函数时,最短路的子路不一定也是最短路,于是大部分求解最短路的算法对此问题并不适用。文中提出了一种双向搜索方法,用以在多权值路网中求解最短路近似解。实验表明,本方法适用于长路径查询。与单向搜索相比,该方法有较高的运行效率。与基于Dijkstra算法的贪心算法相比,该方法有较高的准确率。

基于AD-census和多权值的自适应窗口的立体匹配算法

针对基于十字的自适应窗口的立体匹配算法对窗口内所有的像素点采用一种权值,在大范围斜面区域精度较低的问题,提出一种基于自适应窗口的多权值立体匹配算法。该算法采用AD和census变换结合的方法计算匹配代价,通过改进的方法多次生成自适应窗口,对于生成的不同窗口赋予不同的权值,来计算聚合代价;采用win-take-all的方法计算出视差图,对视差图进行左右一致性检测来优化视差图,进而得到最终的视差图。实验结果表明,与传统的自适应窗口的方法相比,在不增加计算的复杂度的情况下,该算法提高了匹配的精确度。

基于能量模型的多权值分簇算法

分簇被广泛用于移动自组织网络以提高其稳定性和效率,并减小控制信息的开销。现有的分簇策略均有其局限性。对此,提出了一种基于能量模型的多权值分簇算法,称为Energy-AOW(EAOW)。该算法根据节点的能量模型,分析节点能量消耗的组成部分,在选举簇头时,综合考虑节点度数、节点传输功率、节点移动性、节点能量和节点处理能力等关键参数,形成节点的组合权值,分别选取组合权值最大和次大的节点担任簇头节点和候选簇头节点。在完成簇头选举后,依次进行簇结构的初始化、建立和维护。当节点移动或变化导致簇结构失效时,再根据上述策略重新选举。仿真试验表明,使用EAOW算法选举的综合性能最优的节点担任簇头明显地降低了节点整体的能量消耗,提高了网络的生存时间。同时候选簇头节点的设置也缩短了节点成簇时间并提高了网络的稳定性。

基于多权值神经网络的静态手势字母识别的研究

提出了一种基于多权值神经网络模型的静态手势语识别方法。应用手势字母图像圆周极径序列的傅立叶频谱信息来提取特征,再结合多权值神经网络的训练算法与识别算法,实现静态手势字母的识别,并取得了很好的识别效果。

多权值的小波图像放大方法

针对图像放大过程中出现边缘模糊和受噪声干扰的问题,结合各向异性扩散和小波变换的特点,提出了一种新的多权值的小波图像放大方法.对噪声图像进行小波变换,得到高频小波系数.利用多权值的各向异性扩散方法作用于高频小波系数上,实现了对高频小波系数的有效估计.为了保持放大图像与原图像的相似标准,把原图像作为放大图像的低频部分,通过与扩散后的高频小波系数重构得到最终的放大图像.实验表明,该方法易于得到既去除噪声又保持了边缘细节信息的高频小波系数,使得放大图像在纹理和边缘部分都得到了明显的增强,视觉效果也有较大提高.

基于多权值的SlopeOne协同过滤算法

【目的】针对Slope One算法未考虑项目相似性、项目属性和对目标用户已有评分同等考虑进而导致推荐准确度降低的问题进行改进。【方法】提出一种基于改进的项目相似性度量、改进的项目属性相似性度量和用户评分概率函数的多权值的Slope One协同过滤算法,在项目相似性度量方面将共同评价的两个项目的用户数量和Pearson相关系数相融合,在项目属性相似性度量方面将修正的拉普拉斯平滑与Jaccard系数相结合,同时利用用户评分概率函数对用户已有评分进行有效区分。【结果】实验结果表明,本文方法相比于原Slope One算法,MAE值下降了5.4%,能够获得更好的推荐准确度。【局限】只关注推荐系统中用户对项目产生的评分,并没有关注用户对项目给出的评论,在一定程度上影响了推荐效果。【结论】本文方法更能适应评分数据稀疏性,有效提高了推荐系统的推荐质量。

基于YOLO模型的堤坝管涌监测智能识别方法

针对堤坝管涌现象的监测识别问题,提出一种基于YOLO模型的堤坝管涌识别方法。该方法通过引入改进的残差块及替换模型的激活函数来提升YOLO v3模型的网络性能,构建了基于堤坝管涌感兴趣区域提取的Piping YOLO模型来提取管涌感兴趣区域,并采用二维主成分分析方法提取管涌现象的特征,将其作为多权值神经网络的输入,经训练后实现管涌状态的分类识别。基于自主搭建的管涌渗漏试验平台建立了数据集并进行了试验验证,结果表明,提出的方法能有效识别堤坝管涌现象,在堤坝管涌无人巡检领域具有一定的应用前景。

带多约束条件的最优路径选择算法研究

传统的启发式算法把NP完全问题转化成一个能够在多项式时间内求解的P问题,却不能保证每次都得到最优路径。利用拉格朗日松弛法把该问题转换成一个P问题,利用次梯度算法来确定最优解,在降低算法时间复杂度的同时提高最优路径查找的成功率。通过实验和分析,该算法的有效性得到了验证,可以应用在地理信息系统和通信网络中。