基于模糊神经网络的微光电视故障诊断系统

根据模糊数学和神经网络的基本原理,建立了一个基于模糊神经网络的微光电视故障诊断系统模型,介绍了其输入变量模糊化及其神经子网络的实现、模糊规则及其神经子网络的实现,它克服了传统域值判断在临界点附近容易误判的弊端,大大提高故障检测准确率,拓宽了故障检测范围。经过大量的实在实验,证明该方法是完全可行的。     

基于邻域统计的图像消噪方法

中值滤波是一种在去除噪声的同时能较好保护图像边缘细节的非线性滤波技术。介绍了中值滤波及其改进算法、分析了中值滤波的属性、提出了一种基于邻域统计和奇异点检测的中值滤波器的改进算法。计算机模拟实验结果表明:该改进算法能在有效地去除噪声的同时,较好地保护图像细节,较标准中值滤波器和维纳滤波器具有更优良的滤波性能。     

模糊神经网络的交叉研究

介绍模糊神经网络交叉的基础与途径，从基于神经网络的模糊逻辑系统和用模糊逻辑增强的的神经网络两个方面介绍了模糊神经网络交叉研究的具体实现，最后指出模糊神经网络交叉的未来方向。     

基于神经网络噪声检测的自适应中值滤波器

针对椒盐噪声污染图像的滤波问题,提出了一种基于前馈神经网络的噪声检测器。基于这种噪声检测方法,采用自适应中值滤波算法,依据像素点的不同属性采用不同的滤波策略。实验结果表明,该算法在有效去除椒盐噪声的同时更好地保留了图像的边缘和细节,是一种有效的图像去噪方法。     

基于8方向的数字图像去噪算法研究

由于受到成像方法等因素的影响,数字图像的边缘、细节等特征常常淹没于噪声信号中,给后续的图像特征提取、图像匹配等图像处理带来很大困难。因此,对图像进行去噪具有十分重要的意义,图像去噪也成为数字图像预处理中的关键步骤。首先介绍了中值滤波、维纳滤波、小波滤波的原理,针对中值滤波在图像去噪中存在的不足,提出新的数字图像去噪方——基于8方向的数字图像去噪方法,并通过实验仿真验证了其有效性。     

基于遗传算法的模糊神经网络控制技术研究

提出了一种基于去模糊优化的模糊神经网络控制器及模糊神经网络的遗传学习算法.利用遗传算法优化包含控制器性能的指标来离线寻找最优的模糊神经网络控制器结构和参数,经过遗传算法训练的模糊神经网络控制器被接入模糊神经网络智能控制系统中.仿真结果表明,利用此方法实现的控制,系统的控制精度高,超调量小,鲁棒性能很强,获得了良好的控制效果.     

基于模糊中值滤波的图像处理方法

中值滤波器是众多滤波器中既能很好地抑制噪声,又能较好保护图像细节的一个滤波器。尽管如此,依然有很多细节不能被很好地保护。因此,提出了一种模糊中值滤波算法,该算法不像传统中值滤波简单地在像素级上对图像进行去噪处理,而是通过隶属函数将图像灰度值转换到图像特征级处理,该算法不仅能更好地抑制噪声,而且保护细节的性能也有所提高。仿真实验结果表明该方法是可行的。     

基于模糊神经网络的数据挖掘方法研究

提出一种用模糊神经网络来进行数据挖掘的方法.把输入量进行模糊分类后,对神经网络进行训练,用误差反传的算法对神经网络的权值进行修正,并提出利用阀值来筛选规则,来得到有效的规则.最后通过一项实例来验证方法的有效性.     

基于模糊归一化神经网络的开环子带主动消噪

将无延时开环子带自适应滤波结构应用到传统的宽带主动消噪系统中,并提出开环子带结构中的X滤波预补偿方法,弥补了滤波器延迟对系统的影响,提高了系统的收敛速度,降低了计算复杂度。此外,利用神经网络来精细模拟实际噪声的高度非线性性,提出模糊归一化收敛步长调整方法以控制开环方案带来的额外误差能量,并给出了数学证明。对实际噪声的仿真结果显示,给出的主动消噪系统和算法具有更快的收敛速度和更低的稳态误差,达到了更好的降噪效果。     

高密度椒盐噪声图像的二次去噪方法

针对高密度的椒盐噪声图像,提出了一种基于中值滤波和均值滤波的高效的二次去噪方法 (Two-Step Denoising Algorithm,TSDA).数值试验表明,TSDA算法在保持图像边缘的同时能高效地去除高密度的椒盐噪声,较SMF方法和NDBA(New Decision-Based Algorithm)方法在检验指标MSE、PSNR和IEF上都有较大改进.     

基于BP神经网络的数字语音去噪方法研究

利用设计的BP神经网络滤波器对引入噪声的数字实验语音信号进行去噪试验 ,并在此试验的基础上对其去噪效果与FIR维纳滤波器去噪效果进行分析和比较 ,结果表明利用BP神经网络滤波器对数字实验语音信号进行去噪具有良好的效果。     

模糊神经网络的研究现状及发展前景

本文介绍了模糊神经网络的基本概念,以及９０年代在模糊神经网络发展中取得的重要研究成果,并且预测了这门新兴技术在未来诸多领域中的应用剪影。     

基于BP神经网络的数字语音去噪方法研究

利用设计的BP神经网络滤波器对引入噪声的数字实验语音信号进行去噪试验,并在此试验的基础上对其去噪效果与FIR维纳滤波器去噪效果进行分析和比较,结果表明利用BP神经网络滤波器对数字实验语音信号进行去噪具有良好的效果.     

基于BP神经网络的数字语音去噪方法研究

利用设计的BP神经网络滤波器对引入噪声的数字实验语音信号进行去噪试验,并在此试验的基础上对其去噪效果与FIR维纳滤波器去噪效果进行分析和比较,结果表明利用BP神经网络滤波器对数字实验语音信号进行去噪具有良好的效果.     

火灾探测的模糊神经网络方法研究

本文把火灾的探测归结与火灾特征信号相对应的各种规则,并用模糊技术和神经网络提取这种规则,推导了神经网络和模糊技术相结合的新算法。分析结果表明：模糊神经网络用于火灾探测是行之有效的方法。     

基于脉冲耦合神经网络的点云曲面去噪

 提出一种基于脉冲耦合神经网络(PCNN)的点云曲面去噪算法.该算法主要分为两步:噪声点定位和噪声点滤波.首先针对点云曲面构建一个PCNN神经网络,各个神经元的外部刺激值由邻近点的几何位置差异和法向差异构成,利用神经元输出的自适应点火捕获特性,实现了噪声点的定位;而后针对点云曲面中的噪声点,基于网格光顺中双边滤波的思想,实现噪声点的滤波,对于非噪声点,则保持原有的几何位置不变.实验结果表明,由于区分了噪声点和非噪声点,该算法较传统的点云曲面去噪算法能更加有效的去除噪声的同时并保持模型的几何特征.     

模糊神经网络的研究现状及发展前景

本文介绍了模糊神经网络的基本概念,以及90年代在模糊神经网络发展中取得的重要研究成果,并且预测了这门新兴技术在未来诸多领域中的应用前景。     

火灾探测的模糊神经网络方法研究

本文把火灾的探测归结为与火灾特征信号相对应的各种规则,并用模糊技术和神经网络提取这种规则,推导了神经网络和模糊技术相结合的新算法。分析结果表明：模糊神经网络用于火灾探测是行之有效的方法。     

干涉合成孔径雷达边缘检测解相位模糊的方法

给出了一种干涉合成孔径雷达相位解模糊方法，该方法利用边缘检测算子确定干涉因子中干涉纹的位置。为了提高干涉纹的检测精度，将纹线检测和纹线跟踪相结合，并采用了中值滤波和相对平均灰度梯度法，该方法具有无积累误差且稳定性好的优点。利用三峡地区的L波段SIR-C并行轨道数据，运用上述方法得到了解模糊的相位图和局部区域的相对地形图，获得了比较满意的结果。     

改进的中值滤波去噪算法分析

通过对传统中值滤波的分析,针对传统中值滤波在图像去噪过程中的不足,提出了一种改进算法,根据图像细节特征进行阈值设定,给出噪声与复杂图像细节的判断方法。通过实验仿真该算法对椒盐噪声的抑制和复杂图像细节保护具有很好的鲁棒性和适应性。