模糊模式识别神经网络预测模型及其应用

提出了模糊模式识别神经网络预测模型，开辟了神经网络拓朴结构建模的新思路。模型的激励函数采用了模糊模式识别模型。最后给出中长期水文预测的应用实例。

基于模糊神经网络的汽车外形识别系统及其应用

文章将模糊数学理论和神经网络相结合，建立了一个自适应的模糊识别与神经网络协作系统，成功地解决了在无专家经验的情况下，自动建立模糊隶属度函数和模糊识别规则的问题。该系统实现了从汽车图象的获取、车型的识别、确定收费标准等全过程的自动化，从而解决了自动交通管理中有关自动识别车型难题，具有很高的实用价值。

基于模糊神经网络的颜色识别方法

针对传统的CIE色度学颜色精确识别与人的颜色模糊感觉的矛盾,提出了一种基于模糊神经网络进行颜色识别的方法。该方法利用传统的色度学中的颜色三刺激的坐标值,结合模糊神经网络的聚类、无限逼近、泛化、学习等特性的优点,从而增加了适合于人的感觉的颜色识别的效果。

一种综合评价指标属性值规一量化技术新途径

对现有的评价指标属性值规一量化技术进行了论述 ,运用模式识别、人工神经网络聚类理论结合模糊集值统计理论 ,提出了评价指标属性值规一量化技术新途径 ,奠定了评价指标属性值规一量化技术智能化的基础 .

一种光谱识别的新方法

提出了一种对光谱信号识别的新方法。针对光谱信号的特征 ,我们设计了基于径向基函数神经网络组成的统计混合模型 ,并构造了识别系统的代价函数。通过优化系统的代价函数 ,导出了类EM算法去估计混合模型的参数 ,从而构建对光谱特征识别的识别器。利用实际的拉曼光谱 ,对本文所提出的估计模型参数的算法与建立的光谱识别器进行了检验。我们还讨论了利用特征波长与相应的光谱强度 ,以及利用主分量分析组成输入特征矢量 ,及其这些输入特征矢量对光谱识别器应用的效果。实验结果表明 ,所提出的算法可以有效地估计模型参数 ,其建立的光谱识别模型具有较高的识别准确率。所提出的对光谱信号识别的方法通用性强 ,因此具有较为广阔的应用前景。

一种新型模糊-粗神经网络及其在元音识别中的应用

为度量模糊粗不确定性信息,引入了模糊粗隶属函数.基于模糊粗糙集理论构建了一种新型的模糊-粗神经网络(FRNN),该网络融合了模糊信息和粗糙信息的处理能力.对5个元音字母的语音识别进行测试,结果显示FRNN网络不仅训练速度快,而且分类性能优于BP网络、RBF网络和贝叶斯分类器.

基于遗传算法优化的模糊神经网络车型识别

针对模糊神经网络中的隶属函数构造和推理规则建立两个难点,提出一种改进的遗传算法完成了隶属函数的自动生成和模糊规则的自动提取。其中采用的动态高斯变异算子,确保了进化初期有效地搜索解空间,进化后期则具有局部精确搜索的性能,提高了收敛速度,得到了精简稳定的模糊神经网络模型,并将其应用到客车车型的自动识别中,结果显示了该方法的有效性。

改进的SLTP方法在掌纹识别中的应用

对掌纹识别进行研究,提出了基于改进的软直方图局部三值模式(SLTP)的掌纹识别方法。该方法先对掌纹训练样本进行能量函数的构造,然后用梯度下降法对能量函数进行优化,得到最佳的模糊隶属度函数,进而对掌纹的特征进行提取,最后用Chi概率统计的相似度度量方法进行匹配识别。在Poly U掌纹数据库和IITD掌纹数据库中进行实验验证,结果表明,在相同的训练样本下,改进的SLTP方法相比于SLTP方法,识别率得到提高。从而证明了该方法的有效性。

基于T-S模糊神经网络的电晕放电模式识别方法(英文)

提出了基于T-S模糊神经网络的电晕放电模式识别方法,设计制作了三类电晕放电实验模型,并从采集的电晕放电信号中提取最大值、最小值、均值及其分形维数作为网络的输入特征向量,根据特征向量维数、隶属度函数类型及隶属度函数个数对T-S模糊神经网络的拓扑结构进行分析,将输入神经元个数为4、隶属度函数层为3个高斯型函数的网络确定为电晕放电的模式识别网络,并对此类网络进行训练和测试,结果表明此网络用于电晕放电模式识别是有效的.

一种模糊神经网络改进算法及其在振动强度识别中的应用

对传统模糊自适应 Ham ming网络算法进行了改进 :通过引入新的模糊算法对传统算法中的类别选择函数进行改进 ,以提高网络的正确识别率 ;为了实现模式识别中网络的有序输出 ,对输出层获胜神经元的选取方法也进行了相应的改进。改进后的算法用于空调压缩机壳体振动强度的识别 ,利用模糊自适应 Hamm ing神经网络综合考虑各测点振动、噪声信号所包含的信息 ,对壳体振动强度区域实现自动划分。通过改进前、后两种算法在不同警戒参数下的试验结果发现 ,采用改进后的算法大大提高了网络的正确识别率 。

多层BP网络的研究及应用

在本文中,我们用统计模式识别的方法分析了目前在模式识别中得到广泛应用的多层BP神经网络,揭示了具有线性输出单元的多层BP神经网络用作特征提取器和分类器时具有良好性能的原因。同时,我们设计了一个使用多层BP网络作为特征提取器和分类器的、普适的工件识别系统。对不能识别的样本,采用模糊推理技术,把传统的直观特征识别结果和多层BP网络结果在特征级上融合,提高系统的性能。

基于视频的驾驶疲劳检测技术的研究

疲劳驾驶已经成为交通事故的重要因素,若能及时监测驾驶员疲劳程度并且对其进行警告,则可降低此类交通事故的发生率。在图像处理的基础上从驾驶员实际状况出发,从背景中分离驾驶员面部区域,分别采用优化等照度线法和优化mouthmap法提取眼睛和嘴巴特征参数,先在模糊神经网络的基础上建立疲劳分类器识别驾驶员疲劳程度,再在DSP系统上去实现疲劳驾驶检测系统。实验结果表明,该系统满足了一般疲劳的动态识别要求,具有较强的实用性。

一种基于BP网络的雷达信号模糊模式识别方法

研究一种采用BP神经网络获取模糊隶属度,结合判决原则进行判决的雷达信号模糊模式识别方法,包括神经网络的结构设计、推理和学习算法设计、编程算法设计、实验结果分析等,并通过实例分析说明该方法的有效性。

统计模式识别研究进展

研究了统计模式识别研究的主要新进展。介绍了统计模式识别的原理和方法。从类条件概率分布的估计、线性判别法、贝叶斯分类器、误差界以及新的模式识别模型等方面概述了近几年有关统计模式识别方面的研究进展。最后进行了评述。

改进型BP神经网络构造模糊集隶属函数模型及应用

针对模糊信息处理过程中,隶属函数确定难和主观性强的问题,利用改进型的BP神经网络建立模糊集隶属函数,分析了基于神经网络模糊集隶属函数的设计方法,给出了设计步骤,并将其应用于实例中,仿真结果表明,此方法有建立隶属函数符合实际要求,具有一定的有效性和可行性,为模糊模式识别领域提供新的隶属函数确定的方法。

模糊聚类的方法及应用

模糊聚类方法是利用模糊模式识别中的基本理论,其基本思想是要把需要识别的事物与模板进行模糊比较,从而得到所属的类别。模糊模式识别的方法是利用模糊数学中的基本概念,原理,方法解决分类识别问题。该文通过针对如上两类模糊模式识别问题的研究,归纳了几种常用方法,并讨论了模糊聚类方法相对于传统模式识别在应用上的优化之处。

基于交互式隶属函数调整的模糊神经网络

对基于模糊神经网络的人脸识别方法进行了研究,提出的模糊神经网络在高维空间(如人脸)上进行模糊规则获取中得到的最终隶属度函数值并不合理,易得到零值的情况,对模糊规则获取过程中的隶属度函数初始值进行人为地调整.在ORL人脸库的实验结果表明,该方法具有良好的性能.

基于汽车外形的高速公路收费站模糊识别收费系统

本文提出了一个基于汽车外形的高速公路模糊识别收费系统。我们将模糊数学理论和神经网络相结合，建立了一个自适应的模糊识别与神经网络协作系统，实现了从汽车图象的获取、车型的识别、确定收费标准的全过程的自动化，从而解决了自动交通管理中有关自动识别车型问题，具有相当的适用性。

基于模糊神经网络的地下小目标识别方法研究

分析了地下小目标特性,通过提出反映识别目标外形特征及埋设深度的隶属度函数,将常规特征信息模糊化,并结合在模式识别方面更快速简便的PNN神经网络,提出了模糊概率神经网络(FPNN)。最后通过实验数据与BP网络相比较,验证了该识别方法的有效性。

基于模糊统计的隶属函数神经网络实现方法

采用模糊统计方法获得有限对离散的隶属函数关系，并用神经网络将此关系综合成连续函数表达形式。这一方法进一步完善了隶属函数的统计求法，丰富了经典插值方法，有利于模糊数学理论应用于希望实现并行处理的模式识别等研究领域。我们将这种方法应用于语音识别研究，取得了较好的结果。