用神经网络鉴别退化图像的模糊类型

提出了一种用神经网络鉴别退化图像的模糊类型的方法。由于采用不同降质方法得到退化图像的频谱差异较大,以此作为判别依据,用概率神经网络实现了对四种模糊类型:离焦,矩形,运动和高斯模糊的鉴别。根据神经网络的鉴别结果决定点扩散函数的初始估计值,可大大地提高盲解恢复算法的复原质量和系统点扩散函数的估计精度,扩大了算法的实用范围。     

一种基于模糊RBF神经网络自整定的拥塞控制算法

模糊系统具有容易被人理解的表达能力,神经网络则具有极强的自适应学习能力。本文将模糊逻辑控制技术和神经网络技术相结合,给出了一种比单独模糊系统或单独的神经网络系统性能更好的基于模糊RBF神经网络自整定的拥塞控制方法。该方法根据路由器中队列长度的变化来调整数据包的丢弃概率,从而使路由器的队列长度稳定在一期望值附近。仿真结果表明,该算法具有较强的鲁棒性,更短的调节时间。     

人工神经网络分类鉴别苦丁茶红外光谱

为了分类鉴别苦丁茶,采用竞争神经网络(CNN)和反向传播人工神经网络(BP网络)两种模式的人工神经网络(ANN)分别分析了各种苦丁茶的红外谱图。作者采用25个样本作训练集,11个样本作检验集,用两种网络进行了训练。结果表明,CNN网络和BP网络均能够有效地实现苦丁茶产地的鉴别,但CNN网络能够进一步地区分苦丁茶的级别。实验表明,CNN速度快,预测结果准确,可望用竞争神经网络(CNN)和红外光谱法结合分类鉴别苦丁茶。     

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     

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BP神经网络的闪光照相图像复原

针对闪光照相系统模糊较大、成像信噪比较低的问题,提出了一种基于BP神经网络的闪光照相图像复原方法。该方法利用BP神经网络的泛化能力,用样本图像对网络进行训练,建立退化图像与真实图像之间的非线性映射关系,然后将待复原图像分区,利用训练好的BP神经网络对待复原图像的边界区域进行复原处理。数值试验表明,在系统点扩展函数未知的情况下,该算法能较好再现图像边缘信息,复原出的图像在信噪比和视觉方面都有较大提高。     

基于独立组分分析和BP神经网络的可见/近红外光谱蜂蜜品牌的鉴别

提出了一种基于独立组分分析的可见/近红外光谱透射技术快速鉴别蜂蜜品牌的新方法。用独立组分分析方法获取蜂蜜的可见/近红外光谱载荷图,将载荷图中相关性最大的波段,作为人工神经网络的输入建立蜂蜜品牌的鉴别模型。建立了一个三层的BP神经网络模型,各层传递函数采用S型(Sigmoid)函数,并设置网络输入层节点数为9,隐含层节点数为10,输出层节点数为3。每个品牌25个样本,3个品牌共75个样本,用来建立BP神经网络模型,剩余的3个品牌各５个样本用于预测,鉴别准确率达100%,模型的拟合残差为8.245 365×10-5。说明基于独立组分分析的方法具有很好的鉴别效果,为蜂蜜的品牌鉴别提供了一种新方法。     

混沌的模糊神经网络逆系统控制

提出用Sugeno型的模糊推理神经网络建立混沌系统的逆系统模型,并采用逆系统方法进行混沌的控制.这种方法的特点是可以不必建立混沌系统的解析模型,通过模糊神经网络学习混沌系统的运动规律,通过学习获得的规律对混沌进行有效的控制,并且该控制方法可以控制混沌系统以一定精度跟踪连续变化的给定信号.理论分析及针对虫口模型和Henon模型仿真研究证明了该方法的有效性 关键词： 混沌 模糊神经网络 逆系统控制     

模糊神经网络系统在微波效应数据处理中的应用

 描述了建立神经网络驱动的模糊系统的基本过程，结合部分微波效应数据建立了一个小型的效应预测评估模型。对应于学习样本，给出了网络输出值与样本输出真实值的比对情况，并对部分非学习样本输出值进行了预测，由对比情况可知，网络系统基本能够再现原始数据的真实面貌，并能对未知事件有一定的预测能力，作为一种效应数据处理方法，模糊神经网络系统具有一定的潜在应用价值。     

拉曼光谱结合LSTM长短期记忆网络的樱桃产地鉴别研究

现在樱桃市场上存在着大量以次充好的不良现象,严重损害了名牌樱桃的品牌经济效益,所以亟需一种能对不同产地樱桃实现快速无损鉴别的技术。拉曼光谱溯源技术作为光谱溯源技术的一种,由于具有快速、高效、无污染、无损分析等优点,逐渐得到相关研究者的重视。长短期记忆（LSTM）网络是一种具有记忆性的反馈神经网络,它是循环神经网络的一种变体。LSTM网络克服了循环神经网络中梯度消失的缺点,适合处理序列敏感的问题和任务,目前被广泛应用在语音识别、图像识别和手写识别等领域,但LSTM网络在产地溯源方面的应用还有待研究。基于此,提出了一种LSTM网络与拉曼光谱技术结合的能对不同产地樱桃实现快速无损鉴别的技术。将来自美国、山东和四川的369个樱桃作为研究样本,用拉曼光谱仪在785 nm激光下获得了不同产地樱桃的光谱数据。并且以每条经过基线校正后的拉曼光谱数据作为网络输入数据,基于LSTM网络构建了能对不同产地樱桃实现快速鉴别的判别模型,并且以样本判别准确率A、样本精确率P、样本召回率R和样本F值作为评价指标,探究了不同预处理方法对LSTM网络判别模型性能的影响。结果表明：当样本训练集和测试集的比例为85∶38时,直接采用原始拉曼光谱数据的LSTM网络模型的产地鉴别能力不高,鉴别准确率为79.87%。但当使用预处理过后的拉曼光谱数据,模型的鉴别准确率维持在92%以上。并且光谱经过SG+MSC预处理后模型的鉴别准确度最好,鉴别准确率达99.12%。同时在采用SG+MSC预处理的方法下,LSTM网络鉴别模型的精确率、召回率、F值均较高,表明了所提出的LSTM网络模型有较好的性能可实现对不同产地樱桃的鉴别,为樱桃的产地溯源提供了一种新的思路。     

Identification of Rhubarb Samples by Using NIR Spectrometry and Takagi–Sugeno Fuzzy System

Abstract

The Takagi–Sugeno fuzzy system is implemented based on several back‐propagation neural networks (BP‐NNs) and has been applied to identification of official and unofficial rhubarb samples based on their near‐infrared spectra. Rhubarb is one of the most important Chinese medical herbs. It is of importance to identify official and unofficial rhubarb samples based on nondestructive near‐infrared spectrometry for quality control in Chinese herbal products. Near‐infrared diffuse reflectance spectrometry and the Takagi–Sugeno fuzzy system were used to classify 52 rhubarb samples, and the effects of the number of hidden neurons and of momentum parameters on prediction were investigated. The results obtained by using the Takagi–Sugeno fuzzy system were better than those by commonly used BP networks. With proper network training parameters, 100% correctness can be obtained by using the Takagi–Sugeno fuzzy system.     

不确定混沌系统的直接自适应模糊神经网络控制

提出利用直接自适应模糊神经网络控制一类不确定非线性混沌系统新方法.采用Takagi-Sug eno模糊逻辑系统估计混沌对象中未知函数，然后再对模糊神经网络控制律参数进行在线调 整，在系统所有信号一致有界情形下，解决混沌状态跟踪给定参考轨道控制问题.仿真结果 表明所得结论是正确的. 关键词： 模糊神经网络 自适应控制 混沌 参数不确定性     

参数微扰激光超混沌系统模糊模型

研究了存在参数微扰的激光超混沌系统的Takagi-Sugeno (T-S) 模糊模型的逼近性及建立问题。分析了存在参数微扰的激光超混沌系统的动力学特性。基于典型T-S模糊系统的建模原理,研究了激光超混沌T-S模糊系统的通用逼近性,通过确定非线性关键变量、模糊隶属度函数及模糊规则,建立了激光超混沌系统的T-S模糊模型。仿真结果表明,所建立的模糊模型能够有效逼近存在参数微扰的激光超混沌系统。     

太赫兹时域光谱结合主成分分析线性判别和支持向量机用于大黄样品鉴定

太赫兹时域光谱技术(THz-TDS)结合主成分分析-线性判别分析(PCA-LDA)和支持向量机(SVM)用于正品大黄样品的鉴定。在时域测量41个大黄样品的太赫兹时域透射光谱,然后将这些时域信号转换成频域的吸收系数系数。根据样本的吸收系数建立了主成分分析-线性判别分析和支持向量机的定性分类模型,并对正品和非正品大黄样本的分类模型进行了交叉验证。模型的预测能力和稳定性使用自助拉丁配分进行评价,使用50次自助拉丁配分,配分数为4。使用主成分分析-线性判别分析和支持向量机均得到了满意的结果。提出的方法证明是一种方便、无污染、准确和无需化学处理的鉴定大黄样本的方法。该文提出的步骤可以应用于其他中草药分类和生产的质量控制。     

Free vibration control of smart composite beams using particle swarm optimized self-tuning fuzzy logic controller

This paper deals with active free vibrations control of smart composite beams using particle-swarm optimized self-tuning fuzzy logic controller. In order to improve the performance and robustness of the fuzzy logic controller, this paper proposes integration of self-tuning method, where scaling factors of the input variables in the fuzzy logic controller are adjusted via peak observer, with optimization of membership functions using the particle swarm optimization algorithm. The Mamdani and zero-order Takagi–Sugeno–Kang fuzzy inference methods are employed. In order to overcome stability problem, at the same time keeping advantages of the proposed self-tuning fuzzy logic controller, this controller is combined with the LQR making composite controller. Several numerical studies are provided for the cantilever composite beam for both single mode and multimodal cases. In the multimodal case, a large-scale system is decomposed into smaller subsystems in a parallel structure. In order to represent the efficiency of the proposed controller, obtained results are compared with the corresponding results in the cases of the optimized fuzzy logic controllers with constant scaling factors and linear quadratic regulator.     

基于模糊观测器的Chua混沌系统投影同步

研究了Chua混沌系统的广义投影同步问题.基于Takagi-Sugeno(T-S)模糊模型,设计了一种模糊观测器.利用Lyapunov稳定性理论证明了所提方案的可行性和全局稳定性.数值仿真试验进一步验证了该方案可以实现Chua混沌系统的投影同步.方法设计简单,且可以推广到其他的一些混沌系统. 关键词： T-S模糊模型 Chua混沌系统 观测器 投影同步     

支持向量机(SVM)在傅里叶变换近红外光谱分析中的应用研究

支持向量机(SVM)用于两类问题的识别研究,它是统计学习理论中最年轻的分支,所建分析模型有严格的数学基础。同时介绍了SVM学习的基本原理和方法,并将该方法引入化学计量学,以103个中药大黄样品为实验材料,通过SVM近红外光谱法建立了大黄样品真伪识别模型。对学习集中33个样品模型识别准确率为100％;对70个预测样品的识别准确率为96.77％, 为中药大黄的快速识别提供了参考。研究结果表明了SVM近红外光谱法建立生物样品识别模型的可行性。通过旨在介绍SVM学习方法的基本思想,以引起化学计量学工作者的进一步关注。     

基于模糊推理的纹理图像融合方法研究

研究了模糊逻辑方法在图像特征层融合中的应用,介绍了两种模糊推理方法—Mamdani型和Sugeno型模糊逻辑推理系统,以及基于Sugeno型模糊推理的自适应模糊神经网络系统;在红外-可见光双通道图像融合实验中,采用Gabor滤波提取两幅图像的纹理特征,并分别采用两种模糊推理方法进行特征层融合。对融合效果进行了分析,结果表明两种模糊逻辑方法在不同应用环境下都可以取得了较好的融合效果。     

Controlling fractional order chaotic systems based on Takagi-Sugeno fuzzy model and adaptive adjustment mechanism

In this Letter, a kind of novel model, called the generalized Takagi-Sugeno (T-S) fuzzy model, is first developed by extending the conventional T-S fuzzy model. Then, a simple but efficient method to control fractional order chaotic systems is proposed using the generalized T-S fuzzy model and adaptive adjustment mechanism (AAM). Sufficient conditions are derived to guarantee chaos control from the stability criterion of linear fractional order systems. The proposed approach offers a systematic design procedure for stabilizing a large class of fractional order chaotic systems from the literature about chaos research. The effectiveness of the approach is tested on fractional order Rössler system and fractional order Lorenz system.     

Accurate segmentation of leukocyte in blood cell images using Atanassov's intuitionistic fuzzy and interval Type II fuzzy set theory

In this paper automatic leukocyte segmentation in pathological blood cell images is proposed using intuitionistic fuzzy and interval Type II fuzzy set theory. This is done to count different types of leukocytes for disease detection. Also, the segmentation should be accurate so that the shape of the leukocytes is preserved. So, intuitionistic fuzzy set and interval Type II fuzzy set that consider either more number of uncertainties or a different type of uncertainty as compared to fuzzy set theory are used in this work. As the images are considered fuzzy due to imprecise gray levels, advanced fuzzy set theories may be expected to give better result. A modified Cauchy distribution is used to find the membership function. In intuitionistic fuzzy method, non-membership values are obtained using Yager's intuitionistic fuzzy generator. Optimal threshold is obtained by minimizing intuitionistic fuzzy divergence. In interval type II fuzzy set, a new membership function is generated that takes into account the two levels in Type II fuzzy set using probabilistic T co norm. Optimal threshold is selected by minimizing a proposed Type II fuzzy divergence. Though fuzzy techniques were applied earlier but these methods failed to threshold multiple leukocytes in images. Experimental results show that both interval Type II fuzzy and intuitionistic fuzzy methods perform better than the existing non-fuzzy/fuzzy methods but interval Type II fuzzy thresholding method performs little bit better than intuitionistic fuzzy method. Segmented leukocytes in the proposed interval Type II fuzzy method are observed to be distinct and clear.