基于前馈神经网络的等离子体光谱诊断方法

光谱诊断在等离子体刻蚀、材料处理、等离子体设备和工艺开发,以及航天等离子体推进等领域得到了广泛的应用.光谱诊断依赖的碰撞辐射模型会受到碰撞截面等基础物理数据所含偏差的影响,导致诊断结果出现误差.针对这一问题,本文开发了一种基于前馈神经网络的等离子体光谱解算方法.通过对比新方法与以往常用的最小二乘诊断方法的误差特性,发现...     

基于模糊隶属度的图像空间距离修正插值算法

为解决传统图像插值算法存在的边缘模糊和边缘锯齿,提出了一种基于像素点模糊隶属度的图像自适应插值方法.该方法首先根据图像的梯度与相角特性,确定像素点的模糊隶属度,再根据图像的局部不对称性在一维方向上修正插值点空间距离,并将一维修正结果转化到二维图像空间,最终将修正后的空间距离应用到传统双线性插值和双立方插值中.实验结果表明,该算法改善了图像的信噪比,有效抑制了边缘锯齿和边缘模糊的发生.     

基于最大隶属度原则的彩色图像分割方法

提出一种基于模糊最大隶属度原则的彩色图像分割方法.从彩色图像的彩色直方图中获取目标色和背景色，建立一组色彩模糊集，计算该图像中的色彩在各模糊集中的隶属度，并基于最大隶属度原则确定色彩的归属.基于上述最大隶属度的模糊模式识别原则建立了最大隶属度-径向基函数神经网络，实现了快速有效的彩色图像分割. 关键词： 最大隶属度原则 彩色图像分割 彩色直方图 神经网络     

无线传感网络节点隶属度模糊定位算法研究

无线传感网络RSSI算法定位精度很高,但易受环境干扰。本文针对其不足,提出基于节点隶属度模糊算法,并应用于RSSI定位模型之中。新算法首先利用岭形分布对RSSI初始信号模糊化取得隶属函数,再根据隶属度近似程度反馈求精,通过隶属程度以逐渐逼近方式计算节点坐标区域。仿真实验结果证明,与RSSI和DV-Hop算法相比,新算法可以减少环境干扰和信号波动带来的影响,具有更高的定位精度和稳定性。     

基于多层神经网络的非线性图像分割

提出了一种用多层神经网络对图像进行非线性分割的方法。讨论了所用多层神经网络的学习速度的改进与训练样本的选择方法。实验表明，该多层神经网络系统可用于实时图像分割，并能获得很好的结果。     

多信息融合的模糊边缘检测技术

提出了一种有效的模糊边缘检测算法，与传统的单纯基于图像增强技术的模糊边缘检测算法不同，此算法采用像素点的多种信息作为边缘检测的特征信息，利用模糊逻辑对这些信息进行综合，使边缘检测器输出的边缘信息更加完善且有效.实验表明，对于处理实际工作环境中的高噪图像的边缘检测问题，此算法是一种实用而有效的方法. 关键词： 边缘检测 模糊算法 融合     

基于模糊理论的多传感器数据融合测量

 针对多传感器数据融合过程中,各传感器可靠度估计困难的问题和如何对各传感器测量数据进行融合,提出了一种基于模糊理论的多传感器数据融合方法并研究了它在测量中的应用过程。该方法首先利用容许函数计算各传感器测量数据间的一致性以剔除系统误差数据,然后将测量数据进行模糊化,最后用模糊贴近度获得多传感器测量的数据融合结果。该方法计算简单,客观地反映了各传感器测量数据的一致性和可靠程度。测量应用实例验证了其在工程中的可行性,体现了稳定性和可靠性高的传感器在测量数据融合中的“优越性”,运算过程简洁、快速、有效,便于实时测量操作。     

基于模糊神经网络的短时交通流预测方法研究

为满足交通控制和诱导系统的实时性需求,减少交通拥挤状况,降低交通事故突发频率,需要对短时交通流进行预测。当前的短时交通流预测方法是采用K-近邻的非参数回归对其进行预测,预测过程中没有将预测模型中关键因素对交通流的影响进行详细的说明,导致预测结果不准确,存在短时交通流预测误差较大的问题。为此,提出一种基于模糊神经网络的短时交通流预测方法。该方法首先以历史短时交通流数据样本序列为基础,将提取的关联维数作为短时交通流的混沌特征量,然后以该特征量为依据,对短时交通流数据进行聚类,使相同的短时交通流聚合类样本比不同的交通流聚合类样本更为贴近,采用高斯过程回归对短时交通流预测模型进行建设,建设过程中利用差分方法对短时交通流预测序列进行平稳化操作之后,对短时交通流预测模型进行训练,将GPR模型引入至短时交通流预测过程中,得到交通流预测方差估计值,并确定交通流预测值置信区间,由此实现短时交通流的预测。由此实现短时交通流的预测。实验结果证明,所提方法可以准确地预测交通运输系统的实时状况,为车辆行驶的最佳路线进行了有效引导,减少了自然影响方面和人为因素对短时交通流预测结果的干扰,为交通部门对交通路况的控制管理提供了依据。     

多层膜优化设计方法

传统多层膜设计所用的全局寻优法的速度非常慢，有时还很难得到理想的膜系。根据Frensnel反射系数公式计算多层膜的反射率，利用单纯形法对软X射线和X射线波段多层膜进行调优，可在短时间内优化出最接近目标光学性能的多层膜膜系结构。计算了不同波长软X射线周期性多层膜的最高理论反射率。单纯形调优算法在保证优化结果与随机搜索法优化结果近似相同的基础上，使优化计算速度提高了十倍以上。同时还用单纯形调优法优化设计了X射线超反射镜，得到了非常理想的非周期膜系。     

基于最大隶属原则的核磁共振波谱模糊识别

介绍了基于最大隶属原则的核磁共振(NMR)波谱模糊识别原理与方法. 提出了关于核磁共振波谱模糊集合的概念,并给出了相应的隶属函数. 通过建立标准谱数据库和相应的模糊识别算法,实现了核磁共振波谱的快速自动定性分析. 对苯酚、邻苯二酚、间苯二酚及对苯二酚4种化合物及其11种混合物样品的¹H NMR谱进行了定性分析. 结果表明,在粗略找峰和隶属度阈值在0.45~0.85之间较大范围内取值的情况下,方法均给出了准确的识别结果.     

基于BP神经网络的多传感器信息融合研究

BP网络是应用最广的一种人工神经网络,将BP神经网络应用到压力检测领域的温度等非线性补偿,具有重要的实用价值,对压力检测精度的改进效果显著。从传感器信息融合的角度看,神经网络就是一个融合系统。通过对神经网络基本理论的阐述,针对研究对象将BP神经网络原理与多传感器信息融合技术有机集合起来,提出了基于BP神经网络的二传感器信息融合模型及改进算法,建立了BP神经网络训练标准样本库,并对该网络模型进行主要技术指标的测试和仿真工作,测试结果表明构建的模型及其改进算法能很好地满足了高精度压力检测仪的指标要求。     

特征融合的卷积神经网络多波段舰船目标识别

针对海面背景舰船目标单一波段图像识别率低的问题,提出了一种基于卷积神经网络(CNN)的融合识别方法。该方法提取可见光、中波红外和长波红外3个波段舰船目标特征进行融合识别。模型主要分为3个步骤:通过设计的6层CNN,同时对三波段图像进行特征提取;利用基于互信息的特征选择方法对串联的三波段特征向量按照重要性进行排序,并按照图像清晰度评价指标选取固定长度的特征向量作为目标识别依据;通过额外的2个全连接层和输出层进行回归训练。采用自建的三波段舰船图像数据库进行模型的训练和测试,共包含6类目标,5000余张图像。实验结果表明,本文方法识别率达到84.5%,与单波段识别方法相比有明显提升。     

基于RBF神经网络的图像融合复原方法研究

提出了一种基于径向基函数（RBF）神经网络的多通道图像数据融合复原方法,研究了该方法在多光谱图像复原上的应用.将软竞争学习策略和自适应调整隐节点相结合对网络进行优化训练.利用多光谱卫星图像数据,对所提出的方法进行仿真实验.实验结果表明：该融合复原方法提高了复原图像的质量;改进后的学习算法能够保证学习准确度和较短的训练时间;实验还表明RBF神经网络的多通道复原和单通道复原、传统的维纳滤波及最大后验概率方法相比,在改善图像像质上具有明显的优越性.     

基于多特征模糊融合的运动物体检测算法

提出了一种利用模糊共现向量改进统计纹理特征法并同时融合多种特征的运动物体检测算法。该算法简化了传统的统计纹理特征法的计算过程,同时由于融合了多种特征,进一步提高了提取运动物体的准确性。将其该算法其他的目标检测算法进行对比。实验验证了该算法的有效性。     

一种预测混沌时间序列的模糊神经网络方法

给出了一种预测混沌时间序列的模糊神经网络及其学习方法，给出的方法能直接从数据中提取模糊规则，经过优化得到最佳模糊规则库，并利用神经网络的自学习功能修改隶属函数的参数和网络的权值，减少了规则的匹配过程，加快了推理速度，增强了网络的自适应能力. 使用该神经网络及其学习方法对Lorenz混沌时间序列进行了预测仿真研究，试验结果表明给出的预测工具和方法是有效的. 关键词： 模糊神经网络 模糊规则提取 混沌时间序列预测     

基于神经网络的模糊系统

模糊理论和神经网络是信息处理和控制领域的最新技术，但各有优缺点。本文介绍了一种将二者结合起来，充分发挥二者优点的方法，以期能对读者有所帮助。     

空间分辨散射光谱多参数信息融合方法的生鲜肉嫩度无损检测

嫩度是猪肉食用品质最重要的指标之一。猪肉嫩度取决于猪肉组织复杂的物理、化学特性,目前难以实现快速无损伤检测。探索空间分辨光谱技术用于生鲜肉嫩度无损检测的可行性。首先利用点光源高光谱扫描系统采集54块猪肉背最长肌的空间可分辨散射光谱,经过感兴趣区域选择,提取出猪肉样本表面光斑的空间扩散轮廓,结合4-参数洛伦兹分布函数对扩散轮廓进行非线性拟合,拟合优度R2>0.992,并通过残差分析,表明4-参数洛伦兹分布函数符合肉样表面光强的空间散射规律,进而提取出480～950 nm波长下空间分辨光谱的四个形态学参数：渐进值a、峰值b、半带宽c以及半带宽处的斜率d。然后将单参数谱分别与猪肉样本Warner-Bratzler剪切力（WBSF）测量值进行偏最小二乘回归（PLSR）分析。结果表明不同参数谱都含有猪肉嫩度信息,其中峰值参数谱b建模效果最佳,其回归模型的校正集决定系数R2_c为0.674,均方根误差SEC为8.396N,预测集决定系数R2_p为0.610,均方根误差SEP为8.643N。为提高模型的预测精度和稳定性,实现多参数谱信息的融合,先通过PLSR分析,分别提取出每个参数谱中对猪肉嫩度方差贡献大的公共因子,然后将其因子得分组合在一起作为参数谱的特征变量,与猪肉样本WBSF测量值作多元统计回归分析。为避免数据冗余,对不同参数谱特征变量进行多重共线性判别,进一步采用PLSR算法对参数谱特征变量进行降维和变换,采用交叉验证方法,选择前两维因子得分进行校正模型的建立。其中所提取第一维公共因子对猪肉WBSF值方差解释率达92.28%。与单参数谱所建PLSR模型相比,多参数谱信息融合模型预测效果有了较大提高,其R2_c和R2_p分别为0.923和0.800,SEC和SEP分别为4.083N和5.655N。通过对回归系数进行统计量t检验,结果表明所有回归系数极显著（p<0.01）。本研究通过采取多参数信息融合方法为空间分辨光谱在生鲜肉嫩度无损检测应用提供一种思路,该方法有效将空间分辨光谱解析为4个形态学参数,并实现不同参数谱信息的提取和融合,为开发基于空间分辨光谱的生鲜肉嫩度无损快速检测装备提供技术支撑。     

多算法融合的自适应图像增强方法

提出一种多算法融合的图像增强方法,用于工程应用中的复杂降质图像的细节特征恢复.该方法汲取了Laplacian变换法、Sobel梯度法、盒状滤波法、非锐化掩蔽法及灰度幂律法等算法的优点,可对模糊图像进行自适应增强.通过拉普拉斯滤波器和梯度滤波器将原始图像分为基础层、细节层及边缘特征层;对微小细节信息及边缘特征信息进行增强,对基础信息进行压缩;然后采用盒装滤波器对图像的三个分层进行平滑过度及噪音过滤,最后使用非锐化掩蔽法和灰度变换来增加图像灰度的动态范围,从而得到增强后的图像.在相同的工况下,该方法分别与直方图均衡法、自适应伽马矫正法及小波变换的图像增强法实验结果进行对比,结果表明,该方法将图像的清晰度提高了13.1%~126.1%,能有效地处理复杂型感染的图像,避免图像过度增强,可以获得适合人眼的最佳视觉细节内容的增强效果.     

基于隶属度函数的电子设备故障预测研究

针对当前电子设备模块化方向发展现状,及时了解电子设备的运行状态,预防故障并缩短维修时间,采用模糊隶属度函数的方法,将设备的模糊状态进行量化,引入可信度因子及有关融合算法对以上数据进行处理,最后根据自动测试设备（ATE）测得的数据及专家经验,对该方法进行了验证。经实验证明,该方法是可行有效的,对电子设备的故障预测具有较高的准确度。