基于学习矢量量化神经网络的交通标识识别技术研究

传统交通标识识别技术需要大量数据做训练且对输入数据的要求较高,导致识别结果误差较大,为此,提出基于学习矢量量化神经网络的交通标识识别技术。将预处理交通标识图像作为待识别数据集,构建学习矢量量化神经网络模型,输入待识别图像进行学习与训练后,输出交通标识类别的识别结果,实现交通标识识别。实验结果表明,所设计技术的交通标识识别率高达98.77%,验证了该技术的有效性与正确性。

基于学习矢量量化(LVQ)神经网络的医学生化分析系统

本文将医学生化分析转化为一个分类问题,提出了一种基于学习矢量量化神经网络的医学生化分析方法。该方法不须要进行样本颜色色空间转换,只需利用设备原有RGB颜色空间颜色值即可实现。将实验结果与颜色色差方法进行了比对分析,预测结果一致,将此方法用于医学生化分析是可行而有效的。

用学习矢量量化(LVQ)神经网络进行教师评估

针对教师评估中考评指标过多、评价工作复杂化问题,提出了一种基于LVQ神经网络的教师评估方法。利用Matlab神经网络工具箱进行仿真实验,结果表明,该网络具有结构简单,学习速度快、分类稳定的特点,用LVQ神经网络进行教师评估是可行而有效的。

基于学习矢量量化神经网络的水稻白穗和正常穗的高光谱识别

水稻病虫害的发生会导致大量白穗的出现,对白穗和正常穗的区分是采取植保措施和灾害评估的基础。通过研究获取了由水稻二化螟和穗瘟造成的白穗和正常穗的室内光谱,选取红边斜率、红边面积、绿峰幅值和绿峰面积等4个高光谱变量作为输入向量,利用学习矢量量化(LVQ)神经网络对水稻白穗和正常穗进行分类。利用测试样本对网络进行测试,结果显示对白穗和正常稻穗的分类精度高达100%。研究表明,基于LVQ神经网络对水稻白穗和正常穗进行辨别的方法是切实可行的,可以补充和替代肉眼观测。

熵约束广义学习矢量量化神经网络和软竞争学习算法

结合广义学习矢量量化神经网络的思想和信息论中的极大熵原理 ,提出了一种熵约束广义学习矢量量化神经网络 ,利用梯度下降法导出其学习算法 ,该算法是软竞争格式的一种推广 .由于亏损因子和尺度函数被定义为同一个模糊隶属度函数 ,它可以有效地克服广义学习矢量量化网络的模糊算法存在的问题 .文中还给出熵约束广义学习矢量量化网络及其软竞争学习算法的许多重要性质 ,以此为依据 。

用于矢量量化的神经网络竞争学习算法

对典型的竞争学习算法进行了研究和分析，提出了一种基于神经元获胜概率的概率敏感竞争学习算法（ＰＳＣＬ）。与传统竞争学习算法只有一个神经元获胜而得到学习不同，ＰＳＣＬ算法按照各神经元的获胜概率并通过对失真距离的调整使每个神经元均得到不同程度的学习，可以有效地克服神经元欠利用问题。

基于流形学习与学习矢量量化神经网络的齿轮故障诊断模型

为了提高对齿轮非平稳、非线性故障振动信号的可分性及其故障诊断的准确性,并针对其高维数据样本的特点提出一种基于流形学习与LVQ的齿轮故障诊断模型。该模型首先利用集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)方法进行齿轮故障振动信号的分解,得到一系列固有模式函数(Intrinsic Model Function,IMF)分量。接下来对含有主要故障信息的IMF分量进行特征提取和选择并构造高维观测样本,再用流形学习等距特征映射(ISOMAP)算法对初步的高维观测样本故障特征进行进一步的提取并对特征属性的数量进行压缩,在保留齿轮故障特征的整体几何结构信息的同时降低了特征数据的复杂度,增强了齿轮故障模式识别的分类性能。最后通过学习矢量量化神经网络(Learning Vector Quantization,LVQ)根据样本的特征将样本划分到一定的类别中去从而实现模式识别。通过比较实验结果来验证该模型的可行性。

基于实例的学习矢量量化神经网络诊断方法及其应用

基于CBR良好的可扩充性、可移植性和神经网络极强的分类能力,提出了基于实例的学习矢量量化神经网络诊断方法。该方法应用于机械故障诊断系统中,可以减小实例搜索空间,提高实例检索效率。论述了系统的设计方法和应用步骤。

基于学习向量量化LVQ神经网络的财务危机预警研究

应用学习向量量化LVQ神经网络方法,以近期14个数据作为财务危机预警建模样本和测试样本,建立了财务危机的预警模型,经过对样本的反复训练和学习,得到了较好的预测结果。研究结果表明:LVQ神经网络是一种非线性映射模式,在指标间相关度较高、呈非线性变化,或数据缺漏不全等情况下仍可得到比较满意的结果,因此是一种比较理想的预测方法,具有广泛的适用性和较高的推广价值。

基于改进学习矢量量化神经网络输电线路故障识别技术

针对输电线路距离长、覆盖范围广,易受到自然环境和人为因素的影响,对输电线路故障分类和识别非常困难。在输电线路故障分类中将经验小波变换与改进的学习矢量量化神经网络相结合,使用经验小波变换提取输电线路的故障特征,并使用改进的学习矢量量化神经网络识别故障特征。通过对不同故障类型、故障位置、过渡电阻和初始故障角度进行仿真,验证该模型的准确性和有效性。仿真结果表明,该方法在故障分类中具有一定的优势,不受上述因素的影响,具有良好的鲁棒性和故障分类性能。该研究为中国输电线故障识别技术的发展提供一定的参考。

学习矢量量化神经网络在人脸朝向识别中的应用

人脸朝向识别的研究具有重要意义,建立了基于人工神经网络(ANN)的人脸朝向识别模型,根据学习矢量量化(LVQ)神经网络的原理,利用MATLAB神经网络工具箱,完成网络的建立、网络训练和网络测试,并通过仿真实验来实现人脸定位识别。实验结果表明,LVQ神经网络模型判断并识别任何特定人脸图像的方法是有效的。

学习向量量化神经网络在模式分类中的应用

文章简要介绍了学习向量量化(LVQ)神经网络的网络结构和学习算法,详细讨论了基于Matlab6.5的学习向量量化神经网络设计过程。在此基础上设计了一个神经网络,通过计算机仿真得到一组实验数据。从仿真结果分析,这种设计方法可靠易行,验证了LVQ神经网络在模式识别中具有较强的分类能力。

一种基于LVQ神经网络与图像处理的火焰识别算法

针对传统火灾探测技术存在的不稳定、误判率高等缺点,通过分析室内火灾图像与常见干扰光源图像的特点,提出一种基于人工神经网络的火焰图像检测技术。对火焰图像的基本特性进行分析,利用火焰图像序列的面积重叠率和中心相对移动率以及颜色等信息,结合实现学习向量量化(LVQ)神经网络融合技术,对视频序列图像中火焰的自动检测。仿真试验结果表明,基于LVQ神经网络的信息融合算法的网络收敛速度较快,有较高的火灾火焰识别准确率。

遗传算法的LVQ神经网络在遥感图像分类中的应用

学习矢量量化(LVQ2)神经网络算法对初值非常敏感,影响遥感图像分类的精度。遗传算法具有很强的全局搜索能力和鲁棒性,能够优化LVQ2神经网络的初始权值向量,在一定程度上降低算法对初值的敏感性。本文采用遗传算法选取LVQ2神经网络的初始权值,并以江苏省扬州地区遥感图像分类为例,通过与标准LVQ神经网络、最大似然法进行比较,结果证明,利用遗传算法的LVQ2神经网络在分类精度上有了一定的提高。

一种新的概率神经网络有监督学习算法

提出一种新的PNN有监督学习算法:用学习矢量量化对各类训练样本进行聚类,对平滑参数σ和距离各类模式中心最近的聚类点构造区域,并采用遗传算法在构造的区域内训练网络,实验表明:该算法在分类效果上优于其它PNN学习算法。

基于LVQ神经网络的轨道单元状态综合评判方法研究

为了有效利用多种检测数据评判轨道单元的状态,提出利用LVQ(学习矢量量化)神经网络建立轨道单元特征参数与轨道单元分级的关联模型,通过对TQI(轨道质量指数)、轨道几何、加速度、晃车仪、添乘仪、人体感觉的超限扣分加权得到轨道单元的量化评分指标,并利用层次分析法确定各特征参数的权系数。根据大量实测数据建立随机样本,利用聚类方法确定轨道单元状态的分级。以轨道单元的量化评分指标作为输入,以聚类得到的表征轨道单元分级的矢量量化数据作为输出,利用误差反向传播方法训练LVQ神经网络模型。利用新的评判方法对某线路的轨道单元状态进行评判,结果表明该方法可行、有效,为轨道单元状态综合评判提供了一条新途径。

基于MA及LVQ神经网络的智能NIPS模型与实现

为了提高入侵防御系统的智能性和准确率,在讨论入侵防御技术特性和关键技术的基础上,分析了利用MA(MobileAgent)及LVQ(Learning Vector Quantization)神经网络构建入侵防御系统的优势,以及LVQ神经网络的结构特性和学习算法,提出基于MA及LVQ神经网络的新智能入侵防御系统模型结构,概述了新模型的实现方法,并用Matlab算法进行了仿真实验.结果表明,基于MA及LVQ神经网络的新智能入侵防御系统模型整体防御准确率与检测辨识性能都有较大提高.

基于PCA和LVQ混合神经网络算法的电子鼻系统

为了对食物品质进行非接触式评价,采用6种费加罗金属氧化物半导体传感器阵列设计并研制了可对被测食物进行无损检测的电子鼻系统。系统主要由采样模块、控制模块和上位机组成,并采用主成分分析(PCA)和学习矢量量化(LVQ)混合神经网络模式识别算法对气体"指纹信息"数据库进行分析。实验结果表明,利用该电子鼻系统可以对5种不同的食用酱进行检测,并且具有对未知酱品进行识别的功能。

基于EM算法的有监督LVQ神经网络及其应用

针对监督LVQ神经网络存在神经元未被充分利用以及输入样本和竞争单元之间的信息被浪费等问题。通过将EM算法引入到LVQ神经网络中,提出了基于EM聚类算法的有监督LVQ神经网络(即EMLVQ网络),从而弥补了LVQ神经网络的不足且具有EM算法提取样本信息精确的优点。通过参数的简化可以得到EMLVQ算法是软竞争格式(SCS)的一种推广。最后将它们应用于说话人辨识。实验表明,EMLVQ神经网络辨识说话人取得了很好的效果。