模糊神经网络在多源数据融合中的应用研究

在T-S模糊神经网络数据融合的基础上,改进了标准T-S模糊融合算法中的模糊算子,并利用聚类算法对网络结构中模糊隶属度个数进行选取.通过仿真实验,验证了改进的算法在融合过程中的合理性、稳定性和准确性.以及聚类算法在T-S模糊神经网络数据融合算法中运用的合理性和有效性.     

软计算中的协作和融合技术综述

本文综述了软计算中的协作和融合技术，包括的专题是：模糊系统与遗传算子，模糊系统与神经网络，神经网络与遗传算法。最后探讨了今后的发展趋势。     

信息融合中提高信源置信度的方法研究

在分析信息融合和模糊神经网络理论的基础上,构造出具有质量信息的模糊神经网络信息融合结构.通过模糊神经网络对信源本身、环境因素、人为因素等各种因素的处理给出各个信源的置信度因子,再将置信因子与各信源的报告数据统一进行融合处理,可提高各信源的可信度,从而提高融合系统的可靠性和有效性,使系统的整体性能加强.     

基于模糊径向基函数神经网络的模糊数据建模研究

提出将模糊径向基函数神经网络(FRBFN)用于模糊数据的建模,并提出融和圆锥模糊向量的聚类方法和模糊线性回归的学习算法。仿真研究表明．FRBFN及其算法在模糊数据建模方面有一定的优势。     

基于模糊神经网络建模的RFID室内定位算法

将模糊神经网络FNN应用于基于RFID技术的室内定位系统IPS,提出一种基于模糊神经网络的RFID室内定位算法,算法将参考标签数据作为神经网络的训练样本,建立"标签接收信号强度与标签读写器间距离RSSI-DIST"的映射模型,然后利用最小二乘解确定目标的位置坐标.同时,对比了传统BP神经网络和FNN网络在建模和定位中的性能.在仿真和硬件平台测试中,模糊神经网络都要比BP表现出更优异的性能,表明基于模糊神经网络的算法更适合于IPS系统.     

一类具有混合时滞网络的渐近稳定性分析

讨论具有混合延时的T-S模糊C-G神经网络模型.通过构造一个适当的Lyapunov泛函,使用LIM矩阵不等式的技术,得到了一个保证具有混合延时T-S模糊C-G神经网络全局渐近稳定的充分条件.     

基于增强型模糊神经网络的盲均衡算法研究

提出一种利用增强型模糊神经网络进行盲均衡的新算法.增强型模糊神经网络具有很好的非线性逼近能力和映射能力,符合非线性通信技术处理的特点.给出增强型神经网络的结构和状态方程,提出代价函数,推导出均衡参数的迭代公式.仿真表明,本算法收敛后误码率减减小,收敛效果较好.     

基于改进型模糊神经网络的信用卡客户违约预测

本文在传统模糊神经网络基础上,采用灰狼优化算法计算神经网络的初始权值和阈值,提出了一种改进型模糊神经网络算法,并建立了信用卡客户违约预测模型。改进型模糊神经网络具有很好的非线性拟合能力和很好的全局搜索能力,解决了传统模糊神经网络算法收敛速度慢,容易陷入局部最优的问题。最后,通过预测信用卡客户违约问题,与支持向量机算法、传统模糊神经网络算法和卡方自动交互诊断器算法相比较,验证了改进型模糊神经网络算法的准确性、高效性和鲁棒性,平均准确率达到了94.1%。     

一类RBF模糊神经网络的逼近性研究

本文将RBF神经网络的输入、权值以及径向基函数设为折线模糊数,构造了一类折线RBF模糊神经网络.以三角模糊数为例,讨论了折线RBF模糊神经网络的参数训练方法,通过实例验证了该网络对模糊值函数的逼近性能.     

基于知识的模糊神经网络的旋转机械故障诊断

提出了一种基于知识的模糊神经网络并用于故障诊断．首先基于粗糙集对样本数据进行初步规则获取,并计算规则的依赖度和条件覆盖度,然后根据规则数目进行模糊神经网络结构部分设计,规则的依赖度和条件覆盖度用于设定网络初始权重,而用遗产算法对神经网络输出参数进行优化．这样的模糊神经网络称为基于知识的模糊神经网络．使用该网络对旋转机械常见故障进行诊断,结果表明,和一般模糊神经网络相比,该网络具有训练时间短而诊断率高的特点．     

Neural network-based state fusion and adaptive tracking for maneuvering targets

An adaptive algorithm for tracking maneuvering targets is proposed. This algorithm is implemented with two filters and a multilayer feedforward neural network using state fusion, together with the current statistic model and adaptive filtering. The neural network fuses automatically all the state information of the two filters and tunes adaptively the system variance for one of the two filters to adapt to different target maneuvers when the two filters track the same maneuvering target in parallel. Simulation results show that the adaptive algorithm tracks very well maneuvering targets over a wide range of maneuvers with high precision, in both one and three-dimensional cases.     

基于FCM-GRNN的驾驶倾向性识别方法

为提高对驾驶倾向性的辨识准确率,进行驾驶倾向性问卷表调查、模拟驾驶、人因工程测试,考虑了驾驶员的心理、生理信息,以及环境、车辆和操作信息的基础上,提出用广义神经网络确定聚类中心,优化模糊c均值聚类算法,实现目标识别级信息融合的方法,对驾驶倾向性进行预测.利用实验数据对识别方法进行验证,结果表明,该算法对驾驶倾向性的预测准确率达到了85.83%,为进一步研究驾驶员倾向的动态特性提供了依据.     

基于时间序列的混合神经网络数据融合算法

针对传统的数据融合算法对高噪声、大规模、数据结构复杂的时间序列数据融合性能较差的问题,该文提出了一种混合神经网络的数据融合算法(即SCLG算法).SCLG算法的思想是首先利用奇异谱分析算法对数据分解重构以达到去噪的目的;其次,通过深层卷积神经网络提取数据的空间特征和短期时间特征;然后,利用长短期记忆(LSTM)网络和门控循环单元(GRU)网络双层网络,进一步深度提取数据时间维度上的特征;最后,利用全连接网络综合主要信息输出最终的决策.通过SP&500和AQI数据集上的实验结果表明,该算法在融合性能及稳定性方面均优于DCNN、CNN LSTM、FDL数据融合算法.     

基于BP神经网络的炮兵战场目标识别模型

战场目标的识别是一个相当复杂的过程,为了实现识别的自动化和计算机化,采用BP神经网络方法构造数学模型,选取合适的输入、输出及隐性结点,通过反复的学习和测试就可以得到符合实际的结果,从而为指挥员判断敌情提供决策依据.选取常用的音响、闪光、烟尘、机动和配置五种目标特征信息作为输入结点,通过多次仿真测试,说明运用BP神经网络进行战场目标识别是可行的,这也为情报处理自动化系统的实现提供了一个可靠的方法.     

基于多证据同步融合的目标辨识算法

为提高不同类型冲突证据融合结果的可靠性,提出基于多证据同步融合的目标辨识算法。新算法先是通过分析证据之间的冲突状况,选择适用的冲突衡量参数,并相应给出基于不同参数的证据及源自于不同证据焦元的权值计算公式;进一步,依据新的焦元权值对多证据局部冲突信息实行按权指派。实例和仿真应用结果显示,与现有常用相关算法比较,新算法具有稳定性高、使用范围广泛的优点。     

基于非线性主成分神经网络水泥强度预测研究

研究非线性主成分分析法与神经网络算法的融合模型,并将非线性主成分神经网络融合模型应用于水泥强度的预测研究,得到的结果表明预测误差很小,可见研究结果可用于指导水泥生产实践.     

车牌识别机器学习方法的数学建模与实现

首先,针对不同光照、复杂背景和投影失真的车牌图像建立基于Adaboost算法和改进Haar特征的车牌检测模型;然后,运用Radon变换进行车牌校正,并结合3次B样条小波变换和识别反馈模型对字符进行粗和精分割;最后,根据汉字和数字字母的不同结构特征,采用不同的算法提取特征,特别是针对车牌字符特点,训练汉字、字母和数字字母3种神经网络模型用于建立字符识别模型.实验结果表明该模型是实用的.     

Intelligent Crack Recognition Based on XFEM and GA-BP Neural Networks北大核心CSCD

基于扩展有限元法(XFEM)和经遗传算法(GA)优化的误差反向传播多层前馈(BP)神经网络(GA-BP)算法,建立了识别结构中裂纹的反演分析模型。模型通过XFEM正向分析获得的测点位移数据训练GA-BP神经网络,并在此基础上利用该网络进行裂纹反向识别。通过两个典型算例对模型的可行性和精度进行了验证,并探讨了网格密度、测点布置、输入数据噪声等对网络识别精度的影响。结果表明,该文的方法可反演线弹性断裂力学重点关注的直线裂纹的几何信息且具有较好的容噪性能,此外,GA-BP神经网络的预测精度较传统BP神经网络普遍更高。     

组网雷达系统中的数据融合

将数据融合技术应用于组网雷达系统的目标状态融合,研究多种条件下的融合算法,逐一建立组网雷达测量设备的精度已知和精度未知的线性模型,以及非线性融合模型,分别给出这些模型的理论分析结论和算法流程。分析过程表明理论推导的严谨性,仿真计算结果说明算法是实用的。     

基于多特征信息自适应融合的视频目标跟踪算法

针对单一视觉特征跟踪的局限性,提出一种根据场景变化动态建立目标模型的粒子滤波视觉跟踪算法,方法首先选择简单且具有互补性的色彩与纹理特征描述表示当前图像,然后在粒子滤波框架下,利用民主融合策略进行信息融合,从而提高目标观测模型的鲁棒性;分析和实验表明, 算法对视频运动目标的任意平移、转动、部分遮挡、光照变化以及相似物干扰等情况下的跟踪均具有较好的效果.