基于Fuzzy-ARTMAP网络的高光谱遥感图像分类方法

神经网络是一种重要的高光谱图像分类方法。本文提出了四边形隶属函数和Fuzzy-ARTMAP神经网络相结合的高光谱图像分类方法。该方法不局限与隶属度函数的选择,使网络更具有广泛的适用性。将其应用于高光谱图像的分类中,其分类精度高于ARTMAP神经网络,且性能稳定。

基于Fuzzy-RBFNN的多模医学图像融合方法研究

文中将模糊推理理论与径向基神经网络相结合构造了一个基于模糊推理的径向基神经网络(Fuzzy-RBFNN)应用于多模医学图像融合,并应用遗传算法训练网络获得网络参数,可自适应地完成多模医学图像融合。通过与基于梯度的金字塔融合方法的实验比较,证明了算法的有效性与可行性。

用于图像分类的模糊策略学习率ResNet

ResNet深度神经网络用于图像分类时,全连接层训练算法收敛性差降低了分类效果。针对此不足,提出一种模糊策略梯度算法训练ResNet。推导出ResNet全连接层权重的迭代公式,用历史梯度信息修正当前一阶小批量梯度,用模糊策略学习率更新权重,通过上下边界函数处理学习率的过大或过小而引发的迭代振荡,改善训练算法收敛性。在CINIC-10和CIFAR-100数据集上的实验结果表明,所提算法训练的ResNet分类效果优于相比较算法。特别是在综合性分类指标Kappa系数上,所提算法训练的ResNet较最新的AdaBound算法平均提高了9.29%,改进效果显著。

模糊小波基神经网络的机器人轨迹跟踪控制

提出一种模糊神经网络控制器并用于机器人轨迹跟踪控制 .这种模糊神经网络利用了小波基函数作为隶属函数 ,可在线根据误差调整隶属函数的形状 ,使模糊神经网络具有更强的学习和适应能力 .仿真与实验结果表明这种网络能很好的用于机器人的轨迹跟踪控制 ,具有很好的性能 .

基于Zernike矩特征的FCM-RBF神经网络图像分类器

针对交通监控图像识别精度较差的问题,设计一种基于径向基(radial-basis)函数神经网络的图像分类器.该分类器利用Zernike矩噪声敏感度较小、形状特征稳定性好的特点,构建四阶矩的特征向量,用于特征提取;利用自适应模糊聚类方法,解决径向基函数神经网络隐层节点数不确定的问题.仿真分析表明,该分类器与基于改进的快速模糊C均值聚类算法的Back Propagation网络分类器和径向基函数神经网络分类器相比具有更高的识别率,与改进的粒子群优化模糊C均值聚类算法的径向基函数神经网络分类器相比具有相近的识别率,但其计算复杂度较低.仿真实验结果表明,该方法具有较好的分类能力及较高的计算效率.

近红外光谱结合化学计量学方法检测蜂蜜产地

为了实现蜂蜜产地的快速判别,应用近红外光谱结合化学计量学方法对蜂蜜产地进行了判别分析。kennard-Stone法划分训练集和预测集。光谱用一阶导数加自归一化预处理后,再用小波变换(WT)进行压缩和滤噪。结合滤波后光谱信息,分别用径向基神经网络(RBFNN)和偏最小二乘-线性判别分析(PLS-LDA)建立了苹果蜜产地和油菜蜜产地的判别模型。对不同小波基和分解尺度进行了讨论。对苹果蜜,WT-RBFNN模型和WT-PLS-LDA模型都是小波基为db1、分解尺度为2时的预测精度较好,都为96.2%。对油菜蜜:WT-RBFNN模型在小波基为db4和分解尺度为1时,预测精度较好,为85.7%;WT-PLS-LDA模型在小波基为db9、分解尺度也为1时,预测精度较好,为90.5%。研究表明:WT结合线性的PLS-LDA建模比WT结合非线性的RBFNN建模更适于蜂蜜产地判别;近红外光谱技术具有快速判别蜂蜜产地的潜力。

一种基于模糊小波基函数神经网络的图像分类器

针对图像分类的特点 ,提出了一种基于模糊小波基函数神经网络的图像分类器。该分类器采用小波基函数作为模糊隶属函数 ,将模糊技术与神经网络相结合 ,利用神经网络实现模糊推理 ,并可对隶属函数的形状进行实时调整 ,从而使分类器具备了更强的学习和自适应能力。实验结果表明 ,这种基于模糊小波基函数神经网络的分类器经过训练后 ,可应用于图像的分类 。

基于模糊小波神经网络的提升机恒减速制动系统的研究

针对提升机恒减速制动系统采用常规PID控制方式、模糊控制方式存在控制效果差的问题,提出了一种基于模糊小波神经网络的提升机恒减速制动系统的设计方案。该系统采用小波基函数作为模糊隶属函数,利用神经网络的自学习能力和小波基良好的局部特性来增强模糊控制的自适应能力,并采用遗传算法对小波基函数的平移、伸缩因子以及控制器的连接权值进行训练,使网络参数达到全局最优。Matlab仿真结果表明,该系统具有良好的动态特性和较高的控制精度。

基于颜色特征的家居设计图分类

提出一种基于颜色特征的家居设计图情感分类方法。通过人们对色彩的感知和理解,建立图像颜色特征与情感语义的关系模型。在此基础上,以家居设计图为数据源,提取图像的全局和局部颜色特征,结合基于RBF网络的分类器完成对家居设计图像的风格分类。实验结果证明了该方法的有效性。

基于径向基函数神经网络的高光谱遥感图像分类

从径向基函数神经网络的理论出发,针对高光谱数据的特点,设计了有效的特征提取模型,再与径向基函数神经网络的输入层连接,建立了一个新的径向基函数神经网络的高光谱遥感影像分类模型,并用国产OMISII传感器获得的64波段数据进行试验。首先进行了最小噪声分离变换,提取了1～20个分量的数据,使用提取后的数据（20维）、提取后数据的纹理变换（20维）和主成分分析的前（20维）,组成了60维向量数据进行分类处理,这种分类器结构简单、容易训练、收敛速度快,其分类精度达到69.27%,高于BP神经网络分类算法（51.20%）以及常用的最小距离分类（MDC）算法（40.88%）。通过对结果和过程进行分析,实验证明径向基函数神经网络在高光谱遥感分类中具有较好的适用性。

基于径向基函数(RBF)映射理论的遥感影像分类模型研究

与传统统计方法的分类器相比较 ,人工神经网络 (ANN )方法应用于遥感影像分类 ,不需预先假设样本空间的参数化统计分布 ,具有复杂的映射能力 .大多数 AN N分类器采用误差反向传播 (BP)学习算法的多层感知器模型(BPNN) ,其主要缺陷是学习速度缓慢、容易陷入局部极小而导致难以收敛等 .基于径向基函数 (RBF)映射理论的神经网络模型融合了参数化统计分布模型和非参数化线性感知器映射模型的优点 ,在实现快速学习的同时 ,保持了高度复杂的映射能力 .该文主要探讨 RBF映射理论在遥感影像分类中的具体算法和实现过程 ,并初步提出了融合地学知识的 RBF影像分类模型 ;最后以实际的遥感土地覆盖分类为例 ,通过与 BP神经网络方法 (BPNN )相比较 ,对分类过程和结果进行了综合分析 ,认为 RBF方法在学习速度、网络结构。

基于模糊高斯基函数神经网络的遥感图像分类

针对遥感图像分类的特点 ,提出了一种基于模糊高斯基函数神经网络的遥感图像分类器。该分类器将模糊技术与神经网络相结合 ,采用神经网络来实现模糊推理 ,利用神经网络的学习能力来达到调整模糊隶属函数和模糊规则的目的 ,从而使系统具备了自适应的特性。实验结果表明 ,这种基于模糊高斯基函数神经网络的分类器经过训练后 ,可应用于遥感图像的分类 ,其分类精度明显高于传统的最大似然分类法。

模糊B样条基函数神经网络的遥感图像分类器

本文针对遥感图像分类的特点 ,提出了一种基于模糊B样条基函数神经网络的遥感图像分类器。该分类器采用B样条函数作为模糊隶属函数 ,将模糊技术与神经网络相结合 ,利用神经网络实现模糊推理 ,从而使系统具备了自适应的特性。实验结果表明 ,这种基于模糊B样条基函数神经网络的分类器经过训练后 ,可应用于遥感图像的分类 。

模糊神经网络像素分类的稀疏表示医学CT图像去噪方法

在医学CT成像过程中,由于引入了不可避免的噪声,致使图像质量下降,影响临床诊断。因此,研究医学CT图像降噪方法在诊疗服务中具有重要意义。本文结合图像分割的思想,利用模糊神经网络将图像像素分成边缘区、平滑区与纹理区等不同图像区域,通过小波稀疏表示对不同类型的图像块进行阈值去噪处理,以便更好地保留医学CT图像的细节特征。实验结果表明,本文算法对医学CT图像降噪有一定的效果,峰值信噪比(PSNR)和结构相似性指数(SSIM)都得到了改善,更好并且很好地保留CT图像的细节信息。

基于EM-EBF模型的遥感影像分类方法研究

椭球径向基函数神经网络(EBF)是在径向基函数(RBF)映射理论基础上的改进。在保留RBF3层网络结构基础上,EBF采用了最大期望算法来估计特征空间的混合密度分布参数,用椭球体集合来分解混合密度分布,从而构造了神经网络的中间层基函数的状态。由于遥感数据在特征空间中通常表现为混合密度分布,EBF模型能够充分利用期望最大(EM)算法获得的最大似然参数估计得到更合理的特征空间的密度分解模型,从而使得EBF模型能够保留RBF非线性复杂映射能力的同时,获得更合理的分类结果。为此提出了基于EBF的遥感分类方法,试验结果表明EBF方法比RBF方法网络连接更简单、分类精度更高。

径向基函数神经网络的遥感图象分类

针对遥感图象分类的特点,提出了一种径向基函数神经网络的遥感图象分类器。实验结果表明,这种径向基函数神经网络分类器经过训练后,可应用于遥感图象的分类。通过与BP经网络分类器相比较,径向基函数神经网络分类器在学习速度和分类精度等方面具有一定的优势。

基于Lasso函数的分层混合模糊-神经网络及其在遥感影像分类中的应用

本文提出一种新的分层混合模糊-神经网络(HHFNN)算法.在模糊系统中使用Takagi-Sugeno模型和三角波隶属函数.同时,为降低离散输入变量中可能存在的强交互作用,采用了系数收缩机制中的Lasso函数.最后,以福建的漳平洛阳—安溪潘田地区LANDSAT ETM+遥感影像数据地物分类为例,应用本文的改进算法与其他神经网络算法进行分析比较,得到了较高的分类精度,验证了采用基于Lasso函数的T-S型分层混合模糊-神经网络的可行性和有效性,可作为一种新的遥感影像地物分类方法.

用于遥感图象分类的神经网络的构造

径向基函数神经网络和多层感知器神经网络具有相似的拓扑结构，它们大都用于目标的分类。对两种模型进行了比较，提出了一个构造径向基函数神经网络分类器的有效方法，并把构造的分类器用于遥感图象的分类实验。

基于模糊径向基神经网络和稀疏表示的毫米波图像恢复

针对毫米波(MMW)图像包含大量未知噪声、图像分辨率较低的问题,考虑模糊径向基函数神经网络(F-RBFNN)的非线性滤波特性和基于K-奇异值分解(K-SVD)稀疏表示(SR)的自适应消噪特性,提出了一种级联消噪的毫米波图像恢复方法。F-RBFNN将模糊逻辑的知识表达和推理能力与RBFNN的快速学习能力和泛化能力结合起来,可根据实际问题调整网络结构参数,对MMW图像达到非线性滤波的目的。进一步利用K-SVD稀疏表示具有人眼视觉特性,在保持目标特征的同时可有效消噪的优点,对FRBFNN的训练结果再次进行局部图像降噪,得到分辨率较高的MMW图像。采用相对信噪比(RSNR)作为消噪图像的评价标准,实验结果表明,与F-RBFNN、K-SVD消噪、小波消噪等方法相比,基于F-RBFNN和SR的降噪方法能够获得较好的MMW图像恢复质量。

采用模糊小波基函数神经网络的控制系统及混合优化算法

提出了一种采用模糊小波基函数神经网络的控制器,该控制器采用小波基函数作为模糊隶属函数,利用神经网络实现模糊推理,并可对隶属函数进行实时调整,从而使控制器具备更强的学习和自适应能力。还提出了控制器参数的混合学习算法,即先采用混沌算法离线优化,再采用BP梯度算法在线调整。对锅炉主蒸汽温度控制的仿真结果表明了此法的可行性和有效性。