基于模糊聚类方法的神经元形态分类识别

神经元形态分类识别是"人类脑计划"研究首要解决的问题。神经元真实形态复杂多样,利用物理观察和日常经验无法进行分类识别,传统的分类识别算法难以解决形态相似的神经元分类识别的误判现象。针对神经元形态分类误判与类别重叠问题,提出神经元几何形态特征提取方法,设计神经元形态特征自由分类模型,从而为神经元的精确分类、有效识别与新型命名提供方法支持和实践参考。实验结果表明,该分类模型具有较高的运行效率和聚类精度,较好地解决了分类误判和类别重叠问题。     

基于不同特征的随机森林极化SAR图像分类

近些年,利用计算机对极化SAR图像进行分类逐渐成为遥感领域的一个研究热点.本文采用全极化SAR数据,利用不同的特征提取算法提取特征,并基于随机森林模型最终实现对江苏沿海滩涂的分类.首先采用H/α和Freeman两种分解算法提取极化特征参数,采用灰度共生矩阵提取纹理特征参数;然后将提取的所有特征进行不同的组合,构成不同的特征集;最后采用随机森林模型对不同特征集合进行分类和精度评估.结果表明仅用纹理特征对沿海滩涂进行分类时效果较差;利用极化分解提取出的散射特征进行分类的结果要优于矩阵元素特征的分类结果;综合了极化散射特征和纹理特征的组合方式在沿海滩涂的分类中可以取得最优的分类结果,总体精度和Kappa系数可以达到94.44%和0.9305,表明极化SAR图像中蕴含的不同方面的特征在分类中具有一定的互补性.     

神经元几何形态特征参数的MATLAB实现

神经元的几何形态特征可以描述神经元的功能特征,在神经元分类的过程中首先要对神经元的基本特征进行定义计算.根据对神经元几何形态的认知,定义了神经元各几何形态特征,例如树数目,干数目,分叉点数,整体形态,内部形态等.利用MATLAB软件计算神经元各几何特征的参数值,并与已知样本进行数据比较,误差较小.     

基于小波变换和粗糙集的早搏信号识别算法

心电特征参数的选择和提取是心电图(ECG)分析的基础,提升检测算法的识别率和特征分类的精度是自动分析技术的关键。提出了基于小波变换和属性约简的心电早搏信号识别算法。该算法首先依据心血管专家的诊断标准选择了12个心电特征参数;然后运用基于小波变换的特征检测算法进行了特征提取,并利用基于粒计算的属性约简算法对特征参数进行了属性约简;最后,将约简后的数据用于模式分类并通过MIT-BIH数据库对结果进行验证。实验表明,约简后的分类精度大大高于约简前的数据,特征参数的合理选择(约简)是提高识别效率的重要因素。     

核自组织映射竞争聚类

基于核方法可在高维特征空间中完成数据聚类,但缺乏对原输入空间聚类中心及结果的直观刻画.提出一种核自组织映射竞争聚类算法.该算法是利用核的特征,导出SOM算法的获胜神经元及权重更新规则,而竞争学习机制依然保持在原输入空间中,这样既解决了当输入样本分布结构呈高度非线性时,其分类能力下降的问题,而且解决了Donald[1]算法导致的特征空间中的获胜神经元在原始输入空间中的原像不存在,而无法对聚类结果利用可视化技术进行解释的问题.实验结果表明,提出的核自组织映射竞争聚类算法在某些数据集中可以获得比SOM算法更好的结果.     

平均互信息和类别区分性修剪规则的KNN算法

大规模的样本数量及其特征高维性影响着K最近邻(KNN)分类算法的分类性能。为此,提出一种具备降维、修剪机制的特征参数平均互信息和类别区分性的KNN改进算法AMI&CD-KNN。首先使用熵中平均互信息的概念,衡量特征参数体现类别特征信息的准确程度;然后采用特征参数相对类别的优势率及其在数据集中的分布概率描述类别区分性,用于体现特征参数提供类别信息量的大小;最后建立特征参数平均互信息和类别区分性的内在联系,设计样本修剪方法,从而达到在保证分类准确性的前提下,提高分类速度的目的。理论分析与仿真实验表明,与经典KNN及其他具备修剪机制的算法比较,提出的算法具有更高的分类泛化性。     

故障诊断系统中的冗余特征处理

特征参数是故障诊断的基础和关键,然而特征参数中总是存在很多冗余特征,影响故障诊断的准确率;根据设备的结构特点提出了基于故障树分解的冗余特征处理方法;首先,采用基于分类的粗糙集算法对不同部件的冗余特征进行约简,根据故障树结构分层处理;进而采用Apriori算法挖掘隶属于同一父节点的部件的频繁特征,降低不同部件特征参数的相关性;仿真实验证明,对原始特征进行冗余处理后,故障诊断系统的性能有较大提高。     

基于图像的植物叶片枯萎变形测量仿真研究

针对植物吸收的水分过少,植物叶片中的细胞不饱满,将造成植物叶片的细胞液浓度特征和叶片形态特征发生萎缩特征失真.传统算法是采用图像的细胞液浓度特征和叶片形态特征进行叶片枯萎变形测量的,一旦特征失真,将造成植物叶片细胞液特征参数不准确,降低了植物叶片枯萎变形测量的准确率.为此,提出了一种形变特征参数算法的植物叶片枯萎变形测量方法.对采集的植物叶片图像进行增强处理,提取植物叶片边界像素特征,计算植物叶片枯萎变形参数,从而进行植物叶片枯萎变形测量.克服了传统算法的弊端.实验结果表明,利用改进算法进行植物叶片枯萎变形测量,提高了测量的准确率.     

基于线性解码和深度回归预测的图像分类算法

针对图像分类研究中的分类器输入范围限制和缩放问题,提出一种基于线性特征解码和深度回归模型图像分类算法。首先,通过线性解码器学习低分辨率图像的特征参数;然后,运用学习到的特征对原始高分辨率图像进行卷积和池化操作,得到特征矩阵;再通过Softmax回归模型对图像进行深度学习和分类;最后用距离度量算法得到图像分类结果。实验结果从多方面对比和验证了该方法在分类效率方面超越了传统的误差反向传播算法BP和K最近邻分类算法KNN。     

针对潜望镜的舰船目标识别算法的研究

鉴于潜望镜智能化程度不高的现状,对以潜望镜识别水面舰船为应用背景的目标识别算法进行了研究.算法选择Zernike矩不变量作为识别特征,并且利用基于上层建筑的矩不变量以提高特征的分类能力;同时还对舰船目标的观察空间进行形态划分,减少目标表示所需图像数量,提高识别效率.仿真试验验证了识别算法的有效性.