混沌时间序列的模糊神经网络预测

设计一种新型混合模糊神经推理系统，该系统仅从期望输入输出数据集即可达到获取知识、确定模糊初始规则基的目的.再利用神经网络学习能力便不难修改规则库中的模糊规则以及隶属函数和网络权值等参数，这样大大减少了规则匹配过程，加快了推理速度，从而极大程度地提高了系统的自适应能力.用它对Mackey-Glass混沌时间序列进行预测试验,结果表明利用该网络模型无论离线还是在线学习均能对Mackey-Glass混沌时间序列进行准确的预测，证明了该系统的有效性. 关键词： 神经网络模型 模糊逻辑 混合推理系统 混沌时间序列     

基于BP神经网络提高伪装目标识别概率的研究

采用静态迈克尔逊干涉仪对待测目标进行光谱识别,在空间干涉长度不变的条件下,应用BP神经网络算法对混合光谱分离过程进行优化,从而达到提高伪装目标识别概率的目的。由干涉仪及线阵CCD记录视场内所有位置上的光谱信息,构成混合光谱数据集合,以已知材料的标准吸收光谱作为隐含层的规则依据,将BP神经网络应用于混合光谱的分离。实验采用不同距离、不同背景组合的混合光谱作为初始数据,以1.5 m×1.5 m钢板做成四种待测目标,由静态迈克尔逊干涉仪得到混合光谱,BP神经网络算法与传统光谱吸收算法对无伪装目标的识别率都在90%以上,对具有伪装效果的待测目标识别概率分别为75.5%和31.7%,所以采用BP神经网络可有效地提高伪装目标的识别概率。     

基于混合类间联想神经网络的光学模式识别

通过结合自联合模型与异联想模型，提出了一种混合类间联想神经网络的光学模式识别系统。在该神经网络中，输入模式矢量不仅通过自联想识别自身，还通过异联想识别配对矢量，因而提高了识别概率。与匹配滤波器光学模式识别系统相比，识别结果直接，系统简单可行。     

基于遗传算法优化卷积长短记忆混合神经网络模型的光伏发电功率预测

光伏发电受天气与地理环境影响,呈现出波动性和随机多干扰性,其输出功率容易随着外界因素变化而变化,因此预测发电输出功率对于优化光伏发电并网运行和减少不确定性的影响至关重要.本文提出一种基于遗传算法(GA)优化的卷积长短记忆神经网络混合模型(GA-CNN-LSTM),首先利用CNN模块对数据的空间特征提取,再经过LSTM模块提取时间特征和附近隐藏状态向量,同时通过GA优化LSTM训练网络的超参数权重与偏置值.在初期对历史数据进行归一化处理,以及对所有特征作灰色关联度分析,提取重要特征降低数据计算复杂度,然后对本文提出来的经GA优化后的CNN-LSTM混合神经网络(GA-CNN-LSTM)算法模型进行光伏功率预测实验.同时与CNN,LSTM两个单一神经网络模型以及未经GA优化的CNNLSTM混合神经网络模型的预测性能进行比较.结果显示在平均绝对误差率(MAPE)指标下,本文提出的GA-CNN-LSTM算法模型比单一神经网络模型最好的结果减少了1.537%的误差,同时比未经优化的CNNLSTM混合神经网络算法模型减少了0.873%的误差.本文的算法模型对光伏发电功率具有更好的预测性能.     

光电混合实现全双极WTA模型的新方法

提出了一种光电混合实现全双极Ｗｉｎｎｅｒ－Ｔａｋｅ－Ａｌｌ（ＷＴＡ）神经网络模型的新方法，并应用于ＷＴＡ模式识别系统，给出了实验结果。该方法能更有效地利用系统空间，取阈方便，能够进行非存储模式的判断和容错性识别，使系统具有更大的存储容量和寻址能力。     

基于多任务卷积神经网络的浮游藻类群落识别方法

针对混合浮游藻类群落离散三维荧光光谱特征识别,对比分析了简单卷积神经网络(PlainCNN)和文本卷积神经网络(TextCNN)模型对5种常见门类藻(铜绿微囊藻、斜生栅藻、菱形藻、楯形多甲藻和隐藻)混合数据的种类识别准确率及浓度测量精度。结果表明,在藻类独立识别及浓度回归分析中,PlainCNN模型对测试集的平均识别准确率和浓度输出结果的平均均方误差分别为90%和0.052,均优于TextCNN模型。为了同时实现混合藻类种类识别和浓度分析,基于PlainCNN模型提出了多任务卷积神经网络PlainCNN-MT模型。该模型对混合藻类种类识别的平均准确率提高至95%,浓度输出结果的平均均方误差降低至0.039,表明多任务卷积神经网络在浮游藻类群落识别与定量分析中更具优势。     

一种混合入侵检测模型

为了提高入侵检测模型的准确率,提出一种基于K-均值算法、朴素贝叶斯分类算法和反向传播神经网络的混合入侵检测模型。首先,采用基于分区、无监督式聚类分析的K-均值算法进行数据的聚类处理,得到易于被机器处理和学习的数据集。为了进一步获取必要的数据属性,将聚类处理的结果输入到贝叶斯分类器进行分类。然后,具有较短学习周期的反向传播神经网络负责训练数据分类样本。最后,基于KDD CUP99数据集,对混合入侵检测模型进行了仿真实验,实验结果表明,通过混合入侵检测模型,DoS、U2R、R2L和Probe等入侵数据被精准地检测出。相比其它入侵检测模型,混合入侵检测模型取得了较高的准确率和召回率,以及较低的误报率,具有一定的实用价值。     

基于DEPSO-RBF神经网络的锌银电池SOC估计

电池容量是判断电池性能状态的重要指标。针对锌银电池的荷电状态估计问题,利用电池放电过程中放电时间、放电电流和电池电压3个参数作为径向基神经网络的输入,电池荷电状态为输出,建立电池放电的径向基神经网络模型;为克服径向基神经网络收敛精度不高、易陷入局部极小值的缺点,采用差分进化算法和粒子群算法结合的混合算法优化RBF神经网络;MATLAB仿真结果表明,经过混合优化算法优化的径向基神经网络与仅使用粒子群优化的径向基神经网络相比,估计精度得到大大提高。     

人工神经网络的光学实现

本文讨论了光学神经网络的优势及其所面临的主要问题,简述了它近十年来的发展．光互连是光学实现神经网络最具吸引力的技术,光电混合集成的灵巧象素器件又融合了电子器件灵活、可编程、易控制的特点．二者的结合是当前光学神经网络发展的主要趋势,它们为神经网络的进一步发展和应用,为超大规模神经网络的实现和应用提供了一种很有前途的方案．     

混合算法优化的乘用车舱内噪声感知烦恼度神经网络建模

针对传统乘用车舱内噪声感知烦恼度量化模型精度低的问题,提出了一种利用混合算法优化的神经网络模型预测舱内噪声感知烦恼度的评价方法。此混合算法融合麻雀搜索算法(SSA)和遗传算法(GA),对反向传播(BP)神经网络进行优化,根据声品质主客观评价数据,建立SSA-GA-BP网络的乘用车舱内噪声感知烦恼度客观量化模型,与BP模型、GA-BP模型、SSA-BP模型进行对比分析。结果表明, SSA-GA-BP模型能够实现更高的预测精度,更接近主观评价数值,泛化能力更强,可替代传统的声品质主观评价实验。     

改进误差反向传播（BP）神经网络在图像压缩中的应用

针对空间遥感图像数据量剧增的问题,提出一种改进的BP神经网络图像压缩方法。该算法利用Levenberg-Marquart算法提高神经网络的收敛速度,利用算法提高神经网络的泛化能力。比较分析了新算法和标准BP算法对同一幅图像进行压缩的结果和性能误差函数。实验结果表明,实验结果表明,标准BP算法在图像压缩比为1/2时,均方误差（MSE）为343.3750;改进后的BP算法在图像压缩比为1/16时,MSE为69.5796,图像压缩比为1/8时,MSE为20.9561,图像压缩比为1/4时,MSE为5.5123。并且利用改进后的算法压缩图像的峰值信噪比均在30 dB~40 dB之间。改进算法已用于实际工程中,满足实际需求。     

An improved fast fractal image compression using spatial texture correlation

This paper utilizes a spatial texture correlation and the intelligent classification algorithm (ICA) search strategy to speed up the encoding process and improve the bit rate for fractal image compression. Texture features is one of the most important properties for the representation of an image. Entropy and maximum entry from co-occurrence matrices are used for representing texture features in an image. For a range block, concerned domain blocks of neighbouring range blocks with similar texture features can be searched. In addition, domain blocks with similar texture features are searched in the ICA search process. Experiments show that in comparison with some typical methods, the proposed algorithm significantly speeds up the encoding process and achieves a higher compression ratio, with a slight diminution in the quality of the reconstructed image; in comparison with a spatial correlation scheme, the proposed scheme spends much less encoding time while the compression ratio and the quality of the reconstructed image are almost the same.     

Improving performance of FxRLS algorithm for active noise control of impulsive noise

Active noise control (ANC) systems employing adaptive filters suffer from stability issues in the presence of impulsive noise. New impulsive noise control algorithms based on filtered-x recursive least square (FxRLS) algorithm are presented. The FxRLS algorithm gives better convergence than the filtered-x least mean square (FxLMS) algorithm and its variants but lacks robustness in the presence of high impulsive noise. In order to improve the robustness of FxRLS algorithm for ANC of impulsive noise, two modifications are suggested. First proposed modification clips the reference and error signals while, the second modification incorporates energy of the error signal in the gain of FxRLS (MGFxRLS) algorithm. The results demonstrate improved stability and robustness of proposed modifications in the FxRLS algorithm. However, another limitation associated with the FxRLS algorithm is its computationally complex nature. In order to reduce the computational load, a hybrid algorithm based on proposed MGFxRLS and normalized step size FxLMS (NSS-FXLMS) is also developed in this paper. The proposed hybrid algorithm combines the stability of NSS-FxLMS algorithm with the fast convergence speed of the proposed MGFxRLS algorithm. The results of the proposed hybrid algorithm prove that its convergence speed is faster than that of NSS-FxLMS algorithm with computational complexity lesser than that of FxRLS algorithm.     

基于提升方案的多光谱遥感图像有损压缩算法

在分析多光谱遥感图像谱间和空间数据特点的基础上,提出了一种DPCM线性预测与基于提升方案的整数小波变换相结合的多光谱遥感图像有损压缩算法。在谱间采用DPCM预测去除谱间相关性;在谱内采用整数小波变换去除空间相关性,根据不同子带对目标识别的重要程度,选择不同的量化阈值和量化步长进行量化,并分别对各个子带量化后的数据和重要图表采用固定比特平面编码和游程编码,实现高效的多光谱遥感图像压缩。实验结果表明,该算法在一定的压缩比下,重构图像具有较高的峰值信噪比,并且算法硬件实现简单,对内存的需求低。     

基于分形的小波分析压缩编码

分析了小波及分形在图形压缩编码中的特点 ,构造了Haar小波树 ,提出基于分形的小波域图像压缩编码的算法。实验证明 :该方法在相近的压缩比的情况下 ,使重建图像的PSNR增加 4 1,图像压缩速度明显提高 ,并且重建图像的主观视觉质量也优于JPEG。     

A hybrid quantum encoding algorithm of vector quantization for image compression

Many classical encoding algorithms of vector quantization (VQ) of image compression that can obtain global optimal solution have computational complexity O(N). A pure quantum VQ encoding algorithm with probability of success near 100% has been proposed, that performs operations 45\sqrt{N} times approximately. In this paper, a hybrid quantum VQ encoding algorithm between the classical method and the quantum algorithm is presented. The number of its operations is less than \sqrt{N} for most images, and it is more efficient than the pure quantum algorithm.     

粒子场数字全息诊断中的再现算法研究

 粒子场的数字全息诊断中,良好的再现算法能够在较短的时间内给出高质量的再现像。利用标准粒子板模拟单层面的粒子场,使用大面阵CCD实现同轴数字全息记录,得到了大尺寸的数字全息图。针对4种数字全息再现算法,本文从再现图像的质量、再现全息图的大小和计算速度3个主要方面进行了比较研究,结果表明角谱算法(FFT-AS)具有再现图像背景均匀,再现结果中无物理图像压缩,可以再现大尺寸的全息图且具有较快计算速度的优点,适合于粒子场同轴数字全息图的再现计算。     

基于矢量传感器的频率估计算法在水声通信中的应用

本文给出了基于矢量传感器的ESPRIT频率估计算法，并将其应用于频率调制水声通信系统中。与声强频率估计算法相比，ESPRIT频率估计可在小样本的情况下，获得高精度的频率估计。仿真和湖试结果表明，基于矢量传感器的ESPRIT频率估计算法可以提高通信速率并降低对通信系统的带宽要求。本算法对信噪比的要求较高，目前看，较适用于近程高速水声通信。     

用于图像高压缩比编码的方向滤波器的光学实现

本文针对光学与数字技术结合的实现图像高压缩比编码的一种方案——方向滤波方法提出利用补偿滤波技术来保持图像边缘信息,从而利用光学滤波技术实现数字滤波运算,给出高达30:1的高压缩比编码结果.     

RLE编码中动态快速等值面抽取算法

结合Shear-Warp投影算法、优化的RLE体数据编码算法,进行基于RLE编码的动态快速等值面抽取算法研究。新的算法在没有硬件加速的条件下,使得绘制的速度得到很大地提高。该算法利用Shear-Warp数据投影中的体数据特点,实现了动态快速的等值面抽取,新算法的绘制速度在工程实践中基本可以达到实时的要求。