采用Kalman_BP神经网络的视频序列多目标检测与跟踪

针对在复杂环境下多目标检测与跟踪实时性差和准确率低的问题,提出了一种基于神经网络修正均方误差估计的卡尔曼滤波跟踪方法,实现视频序列的多目标跟踪。在该方法中,首先通过帧间差分法准确提取出背景,并结合背景消减法实现多目标的检测,应用形态学滤波对检测结果进行优化;然后利用Kalman_BP神经网络预测滤波器对运动目标的位置进行预测。BP神经网络的引入,主要是降低由于模型变化以及噪声等引起的Kalman滤波器的估计误差,使Kalman滤波器的预测结果更加精准;最后,通过对不同的目标贴上标签,实现目标快速匹配,根据相邻帧间同一目标形心位置以及外接矩形的一致性,建立目标链,实现多目标跟踪。实验结果表明,该算法不仅能够快速稳定地对不同场景中的目标进行跟踪,而且能够统计目标数目和显示目标的运动轨迹,与粒子滤波等方法相比跟踪更加平稳,提高了跟踪的可靠性。

基于VMD能量熵和BP神经网络风电叶片缺陷研究

针对叶片在服役过程中缺陷特征提取困难,提出一种基于变分模态能量熵结合BP神经网络的叶片缺陷诊断方法。首先对声发射信号进行变分模态分解,通过方差贡献率筛选不同缺陷的主要模态分量,之后求取不同缺陷主要模态分量的能量熵构造不同缺陷的特征向量。为验证特征向量选取的准确性,将不同缺陷能量熵向量输入BP神经网络进行缺陷模式识别。结果表明:缺陷识别正确率高达90%,表明变分模态能量熵结合BP神经网络的叶片缺陷诊断方法能够实现叶片早期缺陷识别,具有一定的应用价值。

基于知识管理与BP网络的企业预警战略研究

知识管理理论为企业战略管理研究开辟了新的思路。明确知识和默示知识之间的转化原理为企业预警战略提供了理论基础;BP网络模型克服了传统模式难以处理高度非线性模型、缺少自学习能力等缺陷。通过建立在知识管理与BP神经网络基础上的企业预警战略模型的研究,证明BP网络模型能达到良好的战略预警效果。

神经网络方法在预报高炉铁水硅含量上的应用研究

讨论了人工神经元网络（ＡＮＮ）方法在铁水含硅量预报上的应用策略。选定若干参数作为硅含量的相关变量，建立一个三层ＢＰ网络结构，结合现场数据进行学习和预报，取得良好效果。

模糊神经网络油气预测

本文在分析研究BP网络油气预测存在问题的基础上，提出了一种模糊神经网络。这种网络与BP网络相似，它是将模糊的概念结合于网络之中，使神经网络可以处理结构化的知识，亦即由专家给出的规则，从而提高了油气预测结果的可信度。同时，在网络训练时采用同伦学习算法，大大提高了网络训练的收敛速度，避免了用梯度下降法训练网络所产生的局部收敛现象。模糊神经网络已在大庆探区多个高分辨率区块进行了油气预测的实际应用，取得了较好的效果。

嘉陵江北碚站年径流量变化规律及预测研究

首先利用小波变换对北碚站年径流量变化规律进行了研究,结果表明:年径流量呈现出明显的减少趋势,并具有大约9.8 a的变化周期。其次结合BP神经网络建立小波网络模型,并利用该模型对北碚站的年径流量进行预测,同时将预测结果与BP神经网络模型的预测结果进行了比较,比较结果表明:小波网络模型对径流变化的预测效果明显优于BP神经网络模型,为径流量的定量分析提供了一种新的方法。

基于双域特征的雷达欺骗干扰样式识别方法

数字储频技术和DSP处理芯片技术的发展大大提高了欺骗干扰技术的实时性和自适应性,对欺骗干扰信号样式的识别更加困难。针对这一问题,提出了一种新的雷达欺骗干扰样式的识别方法:梳理了几种欺骗干扰样式的数学模型,对信号作快速傅里叶变换后定义信号特征平稳度,在对来波信号进行双谱估计的基础上定义信号特征凸度,构建涉及频域、双谱域的"平稳度、凸度"二维特征空间,设计GA-BP神经网络分类器对信号具体欺骗干扰样式进行识别。仿真实验表明,该识别模型具有较好的正确识别率和实时性,且受干噪比影响小。

基于颜色和纹理特征的图像情感语义分类

利用图像的低层特征实现了图像高层情感语义(happy和sad)的分类:通过在HSV颜色空间中提取图像的全局颜色特征,并利用黄金分割原理提取位于视觉中心位置主要区域的局部颜色特征,结合二维Gabor小波变换提取全局图像的纹理特征,实现对自然风景图像进行情感特征提取.采用PCA方法对情感特征进行降维,将降维后的特征向量结合BP神经网络,完成情感语义分类检索.