基于神经网络的双目视觉摄像机标定方法的研究

摄像机标定是精密视觉测量的基础，传统的双目标定位需要建立复杂的数学模型。神经网络可以有效地处理非线性映射问题，本文介绍了一种BP神经网络，可以很好地描述双目视觉中三维空间特征点坐标和2个摄像机对应像点间的非线性关系，并且为了提高网络的学习能力引入了动态因子。将神经网络标定方法与传统的常用标定方法比较，实验结果表明，基于神经网络的双目视觉标定方法能获得较高的标定精度。     

改进的模糊神经网络及其在人脸识别中的应用

对基于模糊神经网络的人脸图像分类器进行研究.将多输入单输出模糊推理系统改造成多输入多输出的模糊神经分类器,并提出了一种改进的模糊神经分类器,改进模型的计算量明显减少.在将模糊规则库与训练样本集对应的基础上提出了一种模糊隶属函数参数的初始化方法.该初始化方法的优点在于它充分利用了训练样本所包含的鉴别信息.在ORL人脸的原始图像空间中用上述方法设计分类器,获得了较好的实验结果.     

RBF模糊神经网络用于NIR鉴别羊绒和羊毛的可行性研究

为了实现羊绒、羊毛纤维的快速、无损检测,建立了羊绒、羊毛近红外光谱数据库,包括228组各地羊绒、羊毛数据,并应用于羊绒、羊毛的定性检测上。首先介绍了羊绒、羊毛近红外光谱检测的数据库建立过程;然后,在对羊绒、羊毛原始近红外光谱进行预处理的基础上,对数据进行主成分分析,选出12种主成分,并结合改进的RBF模糊神经网络,建立羊绒、羊毛检测模型。通过与主成分分析-马氏距离建模方法的对比分析实验表明,建立近红外光谱数据库,并结合主成分分析和改进的RBF模糊神经网络的方法是一种有效的无损检测羊绒、羊毛的方法,可快速建立高精度的羊绒、羊毛纤维检测模型。     

网络数据资源自动获取技术研究与应用

人类社会现已进入了一个信息大爆发的新时代,如何利用计算机新技术从互联网上自动获取特定主题信息并实时提供服务,成为信息技术研究领域的热点之一.在网络爬虫、数据抽取、文本智能分类等关键技术研究及实现的基础上,研制集成了全球油气行业动态信息系统PetroDIS.该系统在信息获取、信息分类、网页构建等多方面做到了自动化,极大地提高了信息收集效率.     

基于改进BP神经网络的关联挖掘模型设计

针对传统BP神经网络的关联挖掘模型中关联挖掘方法和用户交互矛盾问题,提出一种基于改进BP神经网络的关联挖掘模型设计。采用改进的BP神经网络算法进行BP神经网络计算,解决了二次函数的非线性优化问题。运用优化的算法保证了适应度函数的选择能力,避免了阈值以及权值对BP神经网络的误差倒数的影响。为了验证所设计的基于改进BP神经网络的关联挖掘模型的有效性,设计了对比仿真实验,实验结果表明,提出的基于改进BP神经网络的关联挖掘模型设计能够有效地解决关联挖掘方法和用户交互矛盾问题。     

一种车牌识别软件系统研究

针对现有车牌识别算法中的车牌定位、字符分割和字符识别三个核心模块存在的不足,提出了一种基于边缘两侧颜色检测的车牌定位方法;通过采用动态阈值调整方法,很好的实现了字符分割;对神经网络在字符识别技术中的应用进行了大量的研究和实验,根据汉字和数字、字母特征提取的不同,在对字符信息初识别时将汉字和数字、字母采用不同结构参数设置的神经网络进行识别,并对识别结果中包含的具有形体相近的字符提出了一种"不等权值"的方法。结果证明识别率有了明显提高。     

基于贝叶斯神经网络的垃圾邮件过滤方法

垃圾邮件过滤是当前互联网应用中急需解决的一个重要课题，日益受到人们的关注。本文提出了一种基于贝叶斯神经网络BNN(Bayesian Neural Network)的垃圾邮件过滤方法，利用贝叶斯推理和神经网络相结合的贝叶斯神经网络算法对用户给定的正常／垃圾邮件集合进行训练，得到邮件过滤模型。并且提出了一种有效的特征选择方法，采用信息增益准则，有效降低了特征维数。经过实验测试，本文提出的方法可以实现对垃圾邮件的有效过滤。     

激光熔覆成形薄壁金属制件精度的预测模型

为了控制激光熔覆成形薄壁金属制件的精度，分析了激光熔覆成形金属薄壁的工艺理论和影响因素。采用BP神经网络建立了激光功率、光斑直径、扫描速度和送粉率与金属零件壁厚的非线形关系模型和激光熔覆成形薄壁制件的精度控制系统。通过优化神经网络的权值和阈值，并引入动量因子和学习速率的自适应调整，克服了BP算法容易陷入局部最小值的问题。用实验参数作为训练样本对模型进行训练，并进行了误差分析。实验和仿真结果表明，训练样本和检验样本的最大相对误差分别为1.93％和1.19％，预测精度高。该网络模型可用于优化激光熔覆成形工艺参数和成形金属制件精度的在线实时控制。     

BP-PID控制方法在变量施肥控制系统中的应用

为了提高肥料的利用率,尽可能地减少化肥对环境造成的污染,设计研制了一种变量施肥控制系统。该系统由GPS接收机、车载计算机、闭环控制器、直流伺服电机、机械式无级变速器组成。采用了BP-PID的控制算法,对BP-PID的控制器进行研究,利用Matlab软件对系统进行仿真并进行了田间试验,试验结果表明：神经网络PID控制策略提高了变量施肥控制系统的跟踪性能和抗干扰性能,施肥精度较高,可以实现变量施肥,为下一步的改进和精度的提高奠定了基础。     

基于引导因子的神经元学习规则及其应用研究

作为神经网络控制的基本单元，采用不同学习规则的神经元控制器，对神经元的学习过程将产生不同的影响。本文通过对神经元学习规则的探讨，提出了一种基于引导因子的神经元改进学习规则，并将其用于实际控制系统中。仿真结果表明，改进的方法对于加速神经元学习过程，提高控制器性能，具有较为显著的作用。