首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到20条相似文献,搜索用时 109 毫秒
1.
李康  李亚敏  胡学敏  邵芳 《电子学报》2018,46(9):2087-2093
目标跟踪是计算机视觉中重要的研究领域之一.为了跟踪复杂场景中外观变化剧烈的目标,本文提出了一种基于卷积神经网络的目标跟踪算法.算法中的网络模型结构包括预训练的特征提取层和自适应更新的分类器层.在开始跟踪前,首先训练全连接层和分类器层的参数,以及目标的特征与位置之间的线性关系.其次,定义了评估跟踪结果可信度的标准.如果得到的跟踪结果的可信度较高,则根据跟踪结果的特征调整位置,提高跟踪结果的精确度.最后,在训练网络时,每次迭代都选择分类器得分的最高的负样本参与训练.该策略可以提高模型的分辨能力.在OTB50测试集中的实验结果表明,我们的算法取得了良好的跟踪结果.  相似文献   

2.
一种新的量子神经网络训练算法   总被引:2,自引:0,他引:2  
量子神经网络是一种借鉴量子理论中的态叠加思想而设计的单隐层前馈神经网络,其主要用于数据分类.由于采用多层激励函数神经元,并且在量子间隔训练中采用了新的目标函数,即同类输入数据的隐层节点输出方差最小,从而使量子神经网络具备了发掘不同类别数据间模糊性的能力.但由于训练时对量子神经网络权值和量子间隔使用了不同的目标函数,使迭代过程中两者不可避免的会出现相互冲突,从而导致训练迭代次数的增加和网络性能的下降.本文借鉴约束优化理论,在两个目标函数的梯度下降求解中引入了惩罚函数,提出了一种新的量子神经网络训练算法,消除了两个目标函数间的冲突.实验结果表明,本文提出的训练算法可以显著提升训练的速度和网络的性能.  相似文献   

3.
本文提出了一种新的多层前馈神经网络快速训练方法.该算法是基于指数加权局部最小二乘(EWLLS)目标函数及殴几里得方向集(EDS)方法的,在训练过程中,通过估计局部期望输出,多层神经网络可以被分解成若干个自适应线性神经元(Adaline),而Adaline是通过EDS方法进行训练的.该算法的性能是通过将其应用于系统辩识中加以说明的.  相似文献   

4.
吕江北  刘涛  高峰  黎湘 《现代电子技术》2009,32(22):115-118
神经网络方法是当前解决空间点目标识别问题的一类主要方法。为提高目标的正确识别率,提出一种基于空间点目标红外辐射序列的自适应时延神经网络(ATNN)识别方法。ATNN采用可调整的时延结构,在网络训练时可以针对输入自适应调整延迟步长,更加适用于变化剧烈的红外时序信号识别。该方法以目标的双波段红外辐射强度序列作为网络特征输入,对ATNN进行训练,然后用训练好的ATNN对目标进行分类识别。实验表明,该方法在不同信噪比的条件下,均能有效提高目标的正确识别率,并且具有一定的抗噪性,应用前景良好。  相似文献   

5.
首先叙述了Elman神经网络的结构、原理和学习方法.针对Elman网络的学习率对网络收敛速度及稳定性影响很大,提出了一种可以自适应调整学习速率的改进的Elman网络学习算法;并基于Elman神经网络,采用模糊推理进行数据关联的方法,结合扩展卡尔曼滤波,提出一种新的多目标跟踪方法.最后应用此方法采用两个传感器对两个运动目标进行跟踪实验,并与BP神经网络对比得出仿真结果,实验结果表明,所提出的方法是一种可行的多目标跟踪方法.  相似文献   

6.
分析了应用于三维曲面重构中的神经网络和自适应模糊神经网络两种算法,并结合具体的应用例子对两种算法在物体三维模型重建及曲面再现中的优劣进行了比较.试验结果表明,在相同的网络模型训练时间及模型充分收敛的前提下,自适应模糊神经网(ANFIS)算法比神经网络(ANN)算法具有更快的收敛速度和更高的重构精度,而且ANFIS更适合对表面复杂的三维物体进行模型重构和曲面再现.  相似文献   

7.
一种基于改进BP神经网络的物体识别方法   总被引:3,自引:2,他引:1  
提出基于自适应学习速率动量梯度下降的BP算法进行物体识别,并以修正的Hu不变矩特征作为BP神经网络的输入,通过训练对网络的权值和阈值进行调整.该算法使BP神经网络在学习速率和稳定性上有了进一步的提高.仿真结果表明该方法对物体的平移、旋转、缩放都具有不变性,从而验证了该方法的有效性.  相似文献   

8.
基于ASOM神经网络的高分辨雷达目标识别   总被引:3,自引:0,他引:3  
在介绍自组织特征映射神经网络及其学习算法的基础上,提出了一种结构自适应自组织特征映射神经网络。该网络能自适应地选择合适的网络规模,并对分类决策边界进行更为精细的调整,因此该网络区分微小差别的不同模式样本的能力进一步增强。最后给出了两类网络对实测高分辩雷达目标的识别结果。  相似文献   

9.
基于贝叶斯理论的神经网络算法研究   总被引:1,自引:0,他引:1  
李鹏 《光机电信息》2011,28(1):28-32
本文研究了基于贝叶斯理论的神经网络算法,采用贝叶斯方法来确定超参数,使得神经网络在训练过程中能自适应地调节超参数的大小,得出目标函数的最优化参数,从而达到提高神经网络泛化能力的目的.还编制仿真软件,验证了该算法的可行性.  相似文献   

10.
针对Faster区域卷积神经网络目标检测算法,提出了一种自适应候选区域建议网络.在训练过程中根据当前损失反馈调节候选区域数目,使候选区域在一定范围内动态变化,进而节省开销,并记录下表现最好的候选区域数目;在测试时用记录的候选区域数目进行测试.针对Softmax函数对候选区域进行分类时需要人为选取置信度阈值带来的时间成本和小目标检测准确率下降问题,提出了一种自适应置信度阈值选取算法.实验结果表明,相比传统算法,本算法的检测速度提升了25%,平均检测精度提高了1.9个百分点.  相似文献   

11.
孙真真  付琨  吴一戎 《电子学报》2003,31(Z1):2040-2044
本文在高分辨率条件下对传统的合成孔径雷达(SAR)图像自动地物分类技术进行了扩展研究.文章首先指出了经典的前馈神经网络模型在SAR图像地物分类中的不足,然后基于径向基神经网络(RBFN),结合混合专家系统,提出了一种变型的网络结构模型,称之为混合双隐层径向基函数网络(MDHRBFN),并将其应用于高分辨率单视单极化的SAR图像地物分类.实验结果表明,基于该模型的分类算法能够将SAR图像较好地区分为人造目标类、自然目标类、背景和阴影,具有比经典RBFN模型更好的分类效果,不但可以应用于SAR图像辅助判读,而且能够为目标识别过程提供潜在目标切片.  相似文献   

12.
近年来,卷积神经网络(Convolutional Neural Network,CNN)在合成孔径雷达(Synthetic Aperture Radar,SAR)图像目标分类中取得了较好的分类结果。CNN结构中,前面若干层由交替的卷积层、池化层堆叠而成,后面若干层为全连接层。全卷积神经网络(All Convolutional Neural Network, A-CNN)是对CNN结构的一种改进,其中池化层和全连接层都用卷积层代替,该结构已在计算机视觉领域被应用。针对公布的MSTAR数据集,提出了基于A-CNN的SAR图像目标分类方法,并与基于CNN的SAR图像分类方法进行对比。实验结果表明,基于A-CNN的SAR图像目标分类正确率要高于基于CNN的分类正确率。  相似文献   

13.
刘梅  权太范  姚天宾 《电子学报》2005,33(11):2031-2035
本文提出了基于增量学习神经模糊网络机动目标跟踪模型.当被跟踪目标发生机动时,该模型立刻检测到机动并对卡尔曼滤波器的自适应系统协方差进行精确估计,系统得到及时、正确的补偿.增量学习神经模糊网络能够随着环境变化,自动调整、找到最优的网络结构及参数,当发生机动时,总是能产生接近真实机动值的估计输出,从而提高跟踪性能及避免错误跟踪.仿真结果表明,该模型比传统的机动目标跟踪模型有更好的跟踪性能,并且该模型能动态的适应环境的变化,使系统更加实时,精确的跟踪机动目标.  相似文献   

14.
The sentiment classification of Chinese Microblog is a meaningful topic. Many studies has been done based on the methods of rule and word-bag, and to understand the structure information of a sentence will be the next target. We proposed a sentiment classifica-tion method based on Recurrent neural network (RNN). We adopted the technology of distributed word represen-tation to construct a vector for each word in a sentence;then train sentence vectors with fixed dimension for dif-ferent length sentences with RNN, so that the sentence vectors contain both word semantic features and word se-quence features; at last use softmax regression classifier in the output layer to predict each sentence’s sentiment ori-entation. Experiment results revealed that our method can understand the structure information of negative sentence and double negative sentence and achieve better accuracy. The way of calculating sentence vector can help to learn the deep structure of sentence and will be valuable for dif-ferent research area.  相似文献   

15.
深度学习就是机器学习研究的过程,主要通过模拟人脑分析学习的过程对数据进行分析。目前,深度学习技术已经在计算机视觉、语音识别、自然语言处理等领域获得了较大发展,并且随着该技术的不断发展,为网络流量分类和异常检测带来了新的发展方向。移动智能手机与大家的生活息息相关,但是其存在的安全问题也日益凸显。针对传统机器学习算法对于流量分类需要人工提取特征、计算量大的问题,提出了基于卷积神经网络模型的应用程序流量分类算法。首先,将网络流量数据集进行数据预处理,去除无关数据字段,并使数据满足卷积神经网络的输入特性。其次,设计了一种新的卷积神经网络模型,从网络结构、超参数空间以及参数优化方面入手,构造了最优分类模型。该模型通过卷积层自主学习数据特征,解决了传统基于机器学习的流量分类算法中的特征选择问题。最后,通过CICAndmal2017网络公开数据集进行模型测试,相比于传统的机器学习流量分类模型,设计的卷积神经网络模型的查准率和查全率分别提高了2.93%和11.87%,同时在类精度、召回率以及F1分数方面都有较好的提升。  相似文献   

16.
基于卷积神经网络的网络流量分类算法中,为了提高分类准确度,其结构设计日趋复杂,容易出现梯度下滑甚至梯度消失,导致预测准确度不升反降。文章提出了一种基于残差网络的改进流量分类算法,引入残差网络层代替传统卷积神经网络中的卷积层和池化层,不仅缓解了传统卷积网络因层次太深导致难以训练的问题,同时与传统卷积运算相比,所提出的残差网络在训练时学习到的数据特征信息更加全面,训练后的模型也更加准确。仿真结果表明,改进后的算法比常规的神经网络算法表现更佳,分类准确度从92.05%提高到了96.18%。  相似文献   

17.
郭宏宇  冷冰  邓永晖 《信息技术》2020,(1):111-115,120
近年来,随着恶意代码检测技术的提升,网络攻击者开始倾向构建能自重写和重新排序的恶意代码,以避开安全软件的检测。传统的机器学习方法是基于安全人员自主设计的特征向量来判别恶意代码,对这种新型恶意代码缺乏检测能力。为此,文中提出了一种新的基于代码时序行为的检测模型,并采用回声状态网络、最大池化和半帧结构等方式对神经网络进行优化。与传统的检测模型相比,改进后的模型对恶意代码的检测率有大幅提升。  相似文献   

18.
心电图是诊断心血管疾病的重要依据。提出了基于小波神经网络方法的心电图分类研究,构造了基于小波神经网络的心电图分类器。使用实际数据进行了测试,结果表明:该分类器可以有效、快速地进行心电图分类,为心电图自动化诊断提供了条件。  相似文献   

19.
基于BP神经网络的雷达点迹分类方法   总被引:1,自引:0,他引:1  
李松  汪圣利 《现代雷达》2018,40(12):52-56
提出了一种解决复杂电磁环境下目标检测后仍包含杂波的基于反向传播(BP)神经网络的雷达点迹分类方法。该方法可以在目标检测后进一步区分目标点和杂波点,提高目标跟踪的质量。同时,对BP神经网络进行了训练,并与K最近邻域法和支持向量机作了对比,发现该方法的分类精度可达87. 3%,较后两种方法精度分别提升19. 6%和7. 6%。实验结果表明:基于BP神经网络的雷达点迹分类方法有效。  相似文献   

20.
基于神经网络组的空间目标识别的信息融合方法   总被引:3,自引:2,他引:1  
针对神经网络在信息融合中的应用所存在的一些问题,受人的视神经网络的启发,提出了一种基于D-S方法的神经网络组方法,并把它应用到了特征级融合中进行模式识别.和用单一的神经网络相比,利用神经网络组方法提高了对目标的识别率,并且增强了对目标识别的稳定性.最后,通过仿真试验,对提出的方法进行了验证.  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号