基于神经网络的智能下肢假肢自适应控制

下肢假肢的膝关节是一种具有高度非线性、时变、强耦合的阻尼系统,传统控制方法很难达到良好控制效果.针对这一问题,提出将神经网络(NN)应用于下肢假肢控制.以学习矢量量化(LVQ)神经网络为基础,提出神经网络模型参考自适应控制方法.该方法通过选择适当的参考模型和自适应算法,利用参考模型输出与实际系统输出之间的误差信号,由自适应算法计算当前的控制量以控制智能下肢假肢,达到自适应控制的目的.该方法不需要进行性能指标的变换,容易实现且自适应速度快,仿真结果表明了该方法的有效性.     

基于多核学习的下肢肌电信号动作识别

为了提高下肢肌电控制系统中多运动模式识别的准确性,提出一种基于多核学习(MKL)和小波变换尺度间相关性特征提取的多类识别方法.根据多核学习理论,采用二叉树组合策略构造基于多核学习的多类分类器.对下肢4路表面肌电信号进行离散平稳小波变换,用小波系数尺度间的相关性提取特征向量输入构造的多类分类器,对水平行走时划分的支撑前期、支撑中期、支撑末期、摆动前期、摆动末期这5个细分运动状态进行分类.实验结果表明,所提的多模式识别方法能够以较高识别率区分多个细分运动状态,得到比标准的单核支持向量机(SVM)分类器更好的准确性.     

基于保局映射的图像纹理聚类

为了解决图像检索中的聚类问题,提出一种改进的图像纹理聚类算法.在纹理特征提取阶段,采用双树复小波对图像进行分解,然后对每个高频段提取直方图签名作为纹理特征;在聚类阶段,根据数据分布的密度来动态地计算数据点的邻接矩阵,再采用保局映射进行降维,对降维后的数据进行k-means聚类.通过采用直方图签名的方式能有效地表示图像纹理在各个方向上特征信息,同时根据数据密度构建的邻接矩阵,能够和保局映射一起更有效地发掘数据之间的局部相关性.实验表明:相对于传统方法,该算法具有更高的聚类正确性.     

融合复小波特征和局部二值模式的纹理聚类

为了解决图像检索中聚类问题,对图像作双树旋转复小波变换,再对变换后的系数通过广义高斯模型建模后,计算Kullback-Leibler距离;对图像采用局部二值模式,计算图像之间的对数似然距离.将这2种距离采用事先计算得到的加权因子进行融合得到新的距离.在此距离的基础上构建邻接矩阵,对邻接矩阵采用谱聚类的方法进行聚类运算.实验证明,由于双树旋转复小波变换和局部二值模式之间存在互补性,在聚类过程中将2种特征距离结合起来,能够有效地提高聚类的正确性.     

电缆局部放电点定位检测——小波包广义相关时延估计法

小波包变换是小渡变换的推广,它能把信号进行更精细的分解.同时小波包变换能进行多层次的划分,从而提高了时频的分辨率.本文经理论和MATLAB建模仿真分析,结合小波包广义相关时延分析,通过选择合适的系数及阀值后重构信号,证明了小波包广义相关时延在电缆局放信号时延检测中具有可行性,同时得出小波包在较低信噪比的条件下且在较长电缆段仍能较准确的检测出时延点.     

基于小波神经网络的无线电引信目标识别新方法

设计了基于小波神经网络的无线电引信目标识别新方法.根据无线电引信回波多普勒信号功率主要集中在低频部分的特点,对淹没在噪声中的无线电引信同波信号进行小波分解,提取在不同频带内信号能量作为特征,用小波神经网络对目标进行检测.针对不同信噪比,对某典型无线电引信回波信号进行定量研究,实验结果表明该方法处理信号信噪比达-7 dB.     

一种新的激光刻蚀字符的识别方法

通过对铭牌字符结构特征和字符之间相对关系的分析,提出基于神经网络和隐马尔可夫模型的激光刻蚀字符的识别方法。提取字符图像中的端点、三叉点和四叉点,对传统三叉点的提取方法进行改进,并利用神经网络的方法计算出对应每个字符的概率值,再根据隐马尔可夫模型计算出状态转移的最大似然,从而识别整个字符串。实验表明上述方法适用于激光刻蚀铭牌字符的识别。     

基于小波分析的图像融合方法的研究

图像融合是多传感器信息融合在图像处理领域的一个重要应用,小波分析具有多分辨等特点,可以有效地将特征明显、分辨率高的图像融合在一起,得到比任何一幅源图像效果都好的图像。论述了基于小波分析的图像融合的基本原理、方法和优点,介绍了基于小波分析图像融合、小波框架图像融合和多小波图像融合等方法,分析比较几种图像融合效果的评价方法及其适用范围等。     

工业酚水稀释的RBF神经网络预测控制

针对酚水稀释过程中酚水流量不便测量的工程情况,提出了一种基于RBF（径向基）神经网络的预测控制方法.在酚水罐每个液位变化周期内使用计算机定时测量液位高度,并将这些高度值作为目标输出,在每个循环结束时训练RBF网络,利用RBF网络的逼近能力来实时预测酚水流量,从而控制清水的配比,实现酚水质量浓度的稳定.该方法可避免测量误差带来的干扰,提高控制精度.     

石油企业财务风险评价神经网络模型的建立

石油企业财务风险评价是石油行业的重要课题.在确立石油企业财务风险评价指标体系的基础上,建立了基于模糊神经网络的石油企业财务风险评价模型.该评价模型分为模糊量化模块和模糊神经网络(FNN)模块,可根据实际问题进行具体调节,具有学习的功能.经过对200多家石油企业的实证分析,结果表明该模型网络预测误差小,是一种可靠、有效的...