基于一维距离像的抗箔条干扰算法研究

对箔条进行有效识别是对抗雷达箔条干扰特别是冲淡式干扰的关键。阐述了箔条干扰的原理,分析了舰船和箔条一维距离像的波形稳定性、距离像分布及相邻距离像相关性等差异,提取了距离像峰值点位置熵、距离像分散性以及相邻距离像相关系数三个目标特征,构造了BP神经网络识别器并完成了相应的参数设计以实现目标识别。利用真实数据进行了舰船和箔条的目标识别实验,结果表明该算法识别率高,收敛速度快,便于工程实现,具有较强的应用价值。     

基于改进BP神经网络的数字识别

针对BP(Back Propagation)神经网络易陷入局部极小、收敛速度慢的缺点,提出了一种新的BP神经网络改进算法.与标准BP算法比较,该系统通过结合附加动量法和自适应学习速率形成新的BP改进算法.附加动量法虽然可以使BP算法避免陷入局部极小,但是对初始值的选取比较敏感,而且选取合适的学习速率比较困难.而自适应学...     

复数Hopfield神经网络盲均衡QAM信号

为了解决复数多值信号的盲均衡问题,本文提出了基于复数Hopfield神经网络盲均衡多值信号的方法:将基于Hopfield神经网络的盲均衡算法从实数域推广到复数域.在复数域成功构造了复数Hopfield神经网络,重点针对16QAM信号进行盲均衡.并验证了此系统可以处理非统计量字符,即处理16QAM信号的Hopfield神...     

融合图像轮廓矩和傅立叶描叙子的手势识别

针对手势识别中人手是复杂变形体,手部特征描叙容易受到环境因素影响的特点,提出了一种基于混合轮廓特征的手势识别的新方法.首先根据手的颜色信息将手从复杂的背景中分离出来,然后提取出手轮廓的矩不变量和Fourier描叙子特征,然后将2种特征融合构成混合特征,最后将新特征输入BP神经网络进行识别.实验表明:此方法具有较好的鲁棒性和较高的识别率.     

结合类内集中度和优化RBF神经网络的特征选择

特征选择是文本分类的一个核心研究课题.首先提出了优化的文档频和类内集中度,紧接着提出了自适应量子粒子群优化算法并用于训练RBF网络的基函数中心和宽度,而且还结合最小二乘法计算网络权值,对RBF神经网络进行了优化,最后提出了一个综合性特征选择方法.该综合性方法首先使用类内集中度过滤掉一些词条以降低文本特征空间的稀疏性,然后再利用优化的RBF网络对特征进行优选.实验结果表明此种特征选择方法有较好的准确率和召回率.     

基于RBF神经网络的被动声定位算法研究

提出了基于RBF神经网络的被动声定位算法.该算法根据TDOA定位原理,以四元十字阵作为定位模型,利用RBF神经网络较快的学习特性和逼近任意非线性映像的能力,实现对声源的快速准确定位,并与WLS算法、Chan算法、Taylor算法作对比分析.仿真结果表明,该算法定位精度高,鲁棒性好,性能优于其他算法.     

利用MODIS图像同时反演水色三要素的方法研究

为了建立水色三要素的反演模式,根据2003年和2004年测量的珠江口区域水色数据,采用中分辨率成像光谱仪(MODIS)图像水色通道的遥感反射率组合建立神经网络模型,同时反演珠江口水域水色三要素(叶绿素、悬浮泥沙、黄色物质)的浓度,并对模型进行验证分析.根据反演模型利用MODIS数据获取三要素的浓度图,对形成原因进行了简...     

基于数据场的概率神经网络算法

提出基于数据场高斯势约简概率神经网络结构,基本思路:引入数据场估计训练集各类概率密度,选择局部极大密度估计样本构造网络;对初始网络迭代训练,依次扩展各类具有最大密度估计值的误分样本至模式层并调整权重参数,直至满足指定精度.采用增量密度计算,保证快速迭代和高概率收敛.基于重采样技术进一步提升泛化精度.实验表明,提出的算法...     

数字化三相大功率逆变波形内模控制方法

针对三相逆变电源数学模型在旋转αβ坐标系下的特点,提出了基于神经网络内模原理的逆变波形控制方案.用神经网络预估器作为逆变器的内部模型,用神经网络辨识预估逆变器正模型及其逆模型,在线修正、补偿内部模型与被控逆变器之间的模型失配.仿真和实验结果表明,该方案控制下系统稳压精度高,有较快的动态响应.     

遥感图像中无水桥梁识别新算法

 给出了边缘密度和线段复杂度的定义,并提出一种遥感图像中无水桥梁的识别新算法.首先对图像进行边缘提取,计算像素点的边缘密度,根据边缘密度进行图像分割,接着采用Hough变换提取直线,利用线段复杂度等确定疑似桥梁区域,然后计算疑似桥梁区域像素点的纹理特征,并构成一个特征矢量,最后将此特征矢量送入BPNN进行分类,统计该区域所有像素点的分类结果以判决是否属于桥梁.实验结果表明,该算法能够较好地识别出遥感图像中的无水桥梁目标.