多标号学习矢量量化的食用油掺伪检测

为了提高食用油掺伪检测效果,基于食用油的高效液相色谱数据,提出了一个新的多标号学习矢量量化算法(ML-LVQ),并应用于食用油的掺伪检测中。它每次调整两个原型使排序损失的上界最小,并通过元标号分类器确定多标号的数目,从而达到同时优化ranking准则函数和bipartitions准则函数的目的。在9类纯油以及它们的混合油样本的数据集上测试的结果表明,ML-LVQ取得了比改进的AdaBoost.RMH算法更好的性能。

基于局部化原理和概率模型的LVQ改进算法

利用局部化原理和概率模型的优化方法 ,提出一种LVQ改进算法———基于局部化原理和概率模型的LVQ算法 (LocalizationprincipleandProbabilitybasedLVQ ,LoPLVQ) .与传统LVQ算法相比 ,不仅缩短训练时间 ,而且具有较高的识别率 .实验结果表明改进算法可用来解决大规模的模式识别问题 .

基于ART-ACO-LVQ复合算法的变压器故障诊断研究

为了提高变压器故障诊断的效率,提出了一种基于ART-ACO-LVQ复合神经网络算法的变压器故障诊断方法。首先针对ART2神经网络算法基本原理进行分析;然后利用ACO算法对ART2神经网络算法进行结合,进而对其初始权值进行优化;接着再结合有监督学习特点的LVQ神经网络算法,并提出基于ART-ACO-LVQ复合算法的变压器故障诊断方法;最后利用该复合方法对不同的变压器故障类型进行仿真分析。其仿真结果表明:通过基于ART-ACO-LVQ复合神经网络算法能够有效识别不同类型的变压器故障,对25个测试样本识别正确率达到100%,而利用ART2神经网络算法和ART-ACO神经网络算法的诊断结果正确率仅分别为68%和84%。进而表明所提的一种基于ART-ACO-LVQ复合神经网络算法的变压器故障诊断方法具有较高的正确性以及可靠性,其结果具有一定的工程实际意义。

LVQ聚类算法在爆炸物THz光谱识别中的应用

运用THz光谱特性进行爆炸物的识别,是现代检测技术研究的一个热点。由于直接对原始数据进行聚类的识别率并不理想,首先对实验样本的THz频域光谱数据曲线进行二阶导数变换,得到了更能表现数据变化趋势和峰值的特征曲线,然后基于该特征曲线利用LVQ神经网络聚类算法,设计并用VC++6.0实现了THz光谱自动分类识别系统。分别对RDX、DNT、TNT、HMX四种爆炸物进行识别对比实验,运用原始数据训练出的分类器,识别率为96%,运用变换过后的特征数据训练出的LVQ分类器,识别率可以达到100%。实验证明,所设计的基于LVQ的神经网络分类器具有强大相似特征聚类功能和较高的识别率。

亮度不均匀低质量图像中压印字符分割方法

字符分割效果,直接影响识别精度。在处理亮度不均匀低质量图像中的压印字符时,由于亮度分布不均匀、目标字符与背景区域对比度较低,传统基于二值化图像的字符分割方法在处理上述情况下的压印字符时,难以确定最优二值化阈值,分割准确率较低。提出基于分割效果评价函数的迭代闭环反馈分割方法,通过建立评价函数对分割效果进行评估,以提高分割效率及准确率。借助加权平滑滤波,去除灰度波形图中的畸变波形;并利用广义学习矢量量化算法,确定最优滤波权重因子;通过分析波形变化趋势,确定字符分割位置。实验结果表明,该算法在批量处理亮度不均匀低质量图像中的压印字符时,分割准确率可达98.5%。

中国东南沿海地区大气反常结构遥感初探

对流层大气作为电波传播的主要媒介,其大气剖面参数直接影响无线电系统的作用距离和导航、定位精度,因此,研究大气剖面的微波遥感技术,尤其是大气反常结构,对分析评估无线电信息系统在复杂大气环境条件下工作性能和提供电波折射修正精度等具有重要的应用价值。中国东南沿海地区一直是研究的热点区域,本文选取青岛、射阳、厦门、海口4个站的气象探空仪观测数据,统计了这些地区大气波导的平均高度和厚度,对采用地基多通道微波辐射计的天顶和扫角亮温遥感其参数的算法进行了初步探索,提出了改进的组合神经网络算法来判别并遥感大气波导。同时,使用多年的探空数据对该算法进行了仿真验证,并用青岛气象站的实测数据验证了该算法的精度。结果表明该算法可用于遥感大气反常结构,并且与以往的算法相比更加实用、有效,可为雷达、通信、导航等系统设备提供环境信息保障。