首页 | 本学科首页   官方微博 | 高级检索  
检索     
共有20条相似文献,以下是第1-20项 搜索用时 437 毫秒

1.  基于神经网络和证据理论的离线签名识别  被引次数:1
   陈刚  李弼程  林琛《微计算机信息》,2005年第21期
   论文提出了一种有效的基于神经网络和证据理论的离线签名识别方法。利用从签名图象中提取的三种特征分别构造BP神经网络分类器对签名图象进行初步识别,然后将各分类器的输出作为证据,利用证据理论融合来自不同分类器的输出得到最终识别结果。实验表明,该识别方法能有效提高离线签名的识别率。    

2.  基于矩特征和证据理论的离线签名识别  被引次数:1
   陈刚  李弼程  庄军  刘安斐《计算机工程与应用》,2005年第41卷第18期
   论文首先对几种矩特征在离线签名识别中的性能进行了比较,在此基础上选取矩和一种基于中心矩的形状描述子(SDBCM)作为签名图象的形状特征,据此构造了两个距离权重k-NN分类器对签名图象进行初步识别。然后将两个k-NN分类器的度量层输出作为证据,用一种改进的证据理论合成公式对其进行融合得到最终识别结果。实验结果表明,新的识别方法是有效的。    

3.  基于多特征和证据理论离线签名识别  
   张磊  李弼程  刘安斐《计算机工程与应用》,2007年第43卷第8期
   提出了一种基于多特征和证据理论的离线签名识别方法。首先通过比较各个特征在离线签名识别中的性能,选取比较有效的平均伪动态特征和中等分辨率网格特征作为识别特征,然后构造了两个K近邻(KNN,K Nearest Neighbor)分类器,对签名图像进行初步识别。在初步识别基础上,利用一种改进的证据理论合成公式,将两个KNN分类器的输出结果进行融合得到最终识别结果。实验结果表明新的识别方法是有效性。    

4.  一种有效的基于证据理论的离线签名识别方法  
   陈刚  李弼程  曹闻  刘安斐《计算机工程与设计》,2006年第27卷第17期
   提出了一种有效的基于证据理论的离线签名识别方法。从签名图像的3种信息载体中提取出4种特征,利用所提取的4种特征分别构造基于证据理论的k-NN分类器对签名图像进行初步识别,将各k-NN分类器的输出作为证据,用改进的证据理论合成公式融合不同分类器的输出得到最终识别结果。结果表明:该识别方法能有效地提高离线签名的识别率。    

5.  基于集成神经网络的离线手写签名鉴别方法  被引次数:1
   张蕾  陈笑蓉  陈笑筑《计算机应用》,2008年第28卷第10期
   离线手写签名鉴别是一种基于生物特征的身份识别技术,利用集成神经网络对手写签名进行自动鉴别。该集成神经网络由特征分配网络、神经网络认证主体和决策融合识别网络三部分构成。通过为每个签名者构造独立的分类器,并分别为每个分类器构造认证、识别训练集,解决了离线签名的认证和识别问题。基于此方法的签名鉴别实验获得了比较满意的结果,可以用来辅助人类专家进行签名鉴别。    

6.  一种基于证据理论和神经网络的调制分类器  
   陈 丽  葛临东《信息工程大学学报》,2006年第7卷第2期
   文章提出了一种基于证据理论和神经网络的调制信号分类方法。利用4种不同的神经网络分类器对常用的10种调制信号的同一组特征分别进行训练、分类;利用证据理论对它们的分类结果(决策)进行融合;最后,把融合结果作为调制信号的最终分类结果。实验结果与性能比较表明,该方法是有效的,获得了较高的识别率。    

7.  基于粗糙集与证据理论的凝汽器故障诊断研究  被引次数:1
   董冠良  董晓峰  曲志恩《热能动力工程》,2010年第25卷第6期
   针对凝汽器故障诊断问题,提出了一种基于粗糙集和证据理论相结合的故障诊断方法.利用粗糙集相对约简的不唯一性,对凝汽器故障征兆进行分类,形成不同的证据来源,既实现了证据理论对于同一事物要求有不同的证据来源的要求,又对故障征兆参数进行了降维处理,减小了网络的规模,有效缓解了由于输入参数过多给网络带来的收敛困难问题.该诊断方法将粗糙集、神经网络和证据理论有机地结合在一起,使三者优势互补,充分利用了凝汽器故障征兆的冗余、互补信息.实例证明,基于多故障诊断网络信息融合的诊断识别准确性和可靠性比基于单一故障诊断网络的诊断识别有较大的提高.    

8.  模糊神经网络与证据理论的飞机目标敌我识别  
   李勇  王德功  杨佐龙《长春邮电学院学报》,2012年第1期
   为满足复杂环境下目标敌我属性识别能力,提出了一种基于模糊神经网络(FNN:Fuzzy Neural Net-works)和证据理论的新敌我识别方法。该方法利用模糊神经网络和证据理论信息的处理能力,将敌我识别器(IFF:Identification Friend-or-Foe)、电子支援措施(ESM:Electronic Warfare Support Measure)、雷达及红外获取的信息融合,进行敌我识别。仿真结果表明,该方法的识别能力明显优于单一模糊神经网络分类器,识别率达0.994,同时具有很强的容错性和一定的抗干扰能力,更适合战场需要。    

9.  基于BP神经网络和证据理论的超声检测缺陷识别  
   王力  周志杰  赵福均《电光与控制》,2018年第1期
   针对超声检测缺陷性质识别中准确率较低的问题,研究了一种基于BP神经网络和证据理论进行超声检测缺陷识别的方法。首先,提出了一种基于BP神经网络和证据理论的融合模型,利用BP神经网络进行特征层融合,将其输出作为证据源的概率分布函数。其次,在决策层融合中针对传统D-S证据理论易出现证据冲突的情况,考虑到不同传感器获取数据的可靠性差异,给出获取证据源可靠性因子的方法。通过引入可靠性因子λ衡量不同证据源的可靠性,使得所有证据源经过可靠性评估后再进行数据融合。最后,通过超声检测手段获取某航空材料的缺陷数据,并对提出的方法进行了验证。研究结果显示,该方法能够更加准确地进行缺陷识别,与传统D-S证据理论相比提高了缺陷识别的准确性。    

10.  一种基于学习向量量化神经网络的图象分割方法  
   况菲  王耀南  余洪山  万琴《计算机工程与应用》,2005年第41卷第14期
   基于视觉传感器实现道路信息的理解是目前移动机器人自主导航的重要研究方向,其中道路图象的正确分割是提取有效路径信息的关键。该文针对复杂、干扰因素多的室外环境下传统方法难以实现道路图象正确分割的问题,提出了一种基于LV Q神经网络的道路图象分割方法。该方法通过选取道路图象的归一化色彩分量为特征向量,应用基于LV Q学习算法的神经网络分类器进行道路与非道路识别;为解决环境噪声对神经网络输出的影响,本文设计了串行级联式四阶形态滤波器实现对神经网络输出的分割图象的滤波处理。通过对实测图象进行分割处理验证了该方法的有效性和鲁棒性,可用于室外环境下机器人的实时视觉导航控制。    

11.  基于ANFIS和证据理论的信息融合研究  
   朱安福  景占荣  陈炜军  张安学  曹振林《中北大学学报(自然科学版)》,2009年第30卷第1期
   提出了一种基于自适应神经网络-模糊推理系统(ANFIS)和D-S证据理论相结合的信息融合方法.利用神经网络的学习功能提取模糊规则和调整隶属函数,然后用自适应神经网络-模糊推理系统的输出构造证据理论中的基本概率赋值,解决了证据理论中的基本概率赋值不易确定的问题.该方法实现了模糊推理、神经网络和证据理论的有效结合,使得证据理论具备智能信息处理的能力,并应用于雷达与红外复合制导的目标识别融合系统.仿真结果表明:该方法提高了目标识别的置信度,降低了系统虚警率,融合结果也更加合理.    

12.  D-S证据理论在电路故障诊断中的应用研究  
   杨金宝  吴晓平《计算机与数字工程》,2012年第40卷第12期
   针对传统的线路切割法在电路故障诊断表现出的诸多问题,提出了一种基于D-S证据理论的多故障分类器的信息融合系统框架模型。在该模型中,基于SVM的故障分类器模型、基于贝叶斯的故障分类器模型和基于神经网络的故障分类器模型中的故障集合的并集共同构成识别框架,并利用Dempster合成法则对测试数据进行融合。实例研究表明,该模型增强了诊断系统的可分析性,有效提高了故障模式的识别能力。    

13.  基于改进证据理论及多神经网络融合的故障分类  被引次数:1
   李巍华  张盛刚《机械工程学报》,2010年第46卷第9期
   证据理论在合成高度冲突的证据时,得到的结果往往有悖常理.几种代表性的改进方法虽然能较好地解决此问题,但收敛速度较慢,并且利用这些改进方法组合一致证据时发散,从而限制证据理论在故障诊断领域的应用.鉴于此,提出一种基于证据可信度的证据合成新方法,并结合神经网络,提出基于改进证据理论的多神经网络融合故障分类方法.以齿轮为研究对象,将齿轮原始特征参数空间划分为多个子空间,建立各子空间对应的神经网络诊断模型,将各子神经网络的输出作为证据体,以所提出的改进证据合成方法对各证据体进行组合实现故障模式的分类识别.将所提方法与传统证据理论方法、其他代表性改进方法以及传统神经网络方法的分类结果进行对比,验证改进证据合成方法融合分类的有效性.    

14.  电能质量扰动波形的识别  
   蒋国旗  廖帅戈《四川电力技术》,2002年第25卷第3期
   利用最近在小波变换、人工神经网络和证据理论上取得的进展来进行电能质量扰动波形的识别。与以往在时域用单个神经网络进行识别不同 ,提出的方案是在小波域用一组多层神经网络来进行的。最后 ,用Dempster-Shafer证据理论综合了网络的输出 ,并由分类器提供已辨识的扰动波形的信任度。    

15.  基于多分类器集成的“北京一号”小卫星遥感影像分类研究  
   单丹丹  杜培军  夏俊士《遥感信息》,2011年第2期
   将多分类器集合应用于"北京一号"小卫星多光谱遥感数据土地覆盖分类,首先构建分类器集合,应用最小距离分类、最大似然分类、支持向量机(SVM)、BP神经网络、RBF神经网络和决策树等进行土地覆盖分类,然后利用Bagging、Boosting、投票法、证据理论和模糊积分法等分类器集成方法,得到综合不同分类器输出的最终分类结果。试验表明,多分类器集成能够有效提高"北京一号"小卫星土地覆盖分类的精度,具有广泛的应用前景。    

16.  基于信息融合技术的集装箱号码自动识别系统  
   潘巍  王阳生  杨宏戟《计算机工程》,2007年第33卷第4期
   运用信息融合技术进行集装箱号码自动识别系统的设计。根据集装箱号码的特性、组成规律及分布特点,在预处理阶段,采用了基于产生式规则的融合算法。该算法采用串行融合的方式并生成了一系列的规则,能够快速准确地输出具有较高质量的号码分割图,为后续的特征提取和号码识别提供更精确的信息。使用了3种不同类型的特征提取方法,分别生成基于神经网络的分类器,并将各自的分类结果通过D-S证据理论进行融合以完成最终的决策,提高了系统的识别率。该系统对光线与阴影具有较强的鲁棒性,结构简单、快捷有效,在实验中得到了满意的效果。    

17.  沥青路面破损图象特征提取方法研究  被引次数:5
   储江伟  初秀民  王荣本  施树明《中国图象图形学报》,2003年第8卷第10期
   为了提高利用图象信息对沥青路面破损类型和程度识别的准确性和效率,提出了一种可减少沥青路面破损图象识别计算量的以图象分割子块模式识别结果为基础的路面破损图象特征提取方法.该方法将路面图象等分为64×64像素的子块图象,并用灰度方差值描述子块图象特征.设计了基于BP神经网络的子块图象模式分类器,利用子块图象模式分类结果所组成的矩阵作为路面破损图象分割结果.通过对典型路面破损类型的识别试验,证明了该方法的有效性,将路面破损图象子块分布特征作为路面破损图象的整体特征可以获得较好地路面破损分类识别效果.    

18.  基于BP神经网络分类器的多目标识别方法研究  
   沈凤龙  毕娟《辽东学院学报(自然科学版)》,2008年第15卷第4期
   文章对多目标进行特征提取,数据作为神经网络分类器的输入,采用不同的算法对多输出型BP神经网络分类器和单输出型BP神经网络联合分类器进行训练,实现多目标的识别。仿真试验结果表明,基于BP神经网络分类器的识别方法具有较高的识别率。    

19.  D-S理论与神经网络相结合的信息融合模型研究  
   唐士杰  高社生  邢化玲《传感技术学报》,2007年第20卷第8期
   针对大噪声环境下信息融合效果差的问题,提出了一种基于D-S证据理论与神经网络技术的信息融合方法,该方法综合了证据理论在处理不确定信息方面的优点和神经网络在数值逼近上的长处,一方面利用神经网络和冲突证据处理算法获取基本概率赋值,另一方面通过证据理论使神经网络的结构变得透明.初步仿真结果表明,该方法有效地解决了不确定性信息的误识别问题.    

20.  基于小波变换和径向基神经网络的签名识别  
   李伟《洛阳理工学院学报(自然科学版)》,2011年第1期
   主要研究利用小波变换和径向基神经网络进行签名图像的分类识别。它包括不同签名图像和相似签名图像的分类识别。所提出的方法包括小波域的图像特征提取和利用径向基神经网络的模式分类。采用小波的多分辨分析方法对签名图像进行时频分析特别有效。熵和能量相关特征的概念用于小波域。径向基神经网络具有快速的收敛速度和分类能力。实验仿真证实了利用小波变换和径向基神经网络进行签名图像分类识别的有效性,且成功识别率为100%。    

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