基于Metropolis准则的BP神经网络学习算法研究

本文针对BP神经网络训练学习过程中，连接权在调整时容易陷入局部极小使得进一步调整失去作用的问题，提出了一种有助于提高BP神经网络逼近精度的方法——基于M!缸。酬逸准则的神经网络学习算法。该算法整体采用传统的BP算法，但在一定条件下依据概率进行连接权的调整，使权值以一定的概率跳跃，跳出局部极小区，最终达到全局极小。仿真结果表明了这一算法的有效性。     

采用CCD图像传感器的测温方法及实验研究

利用CCD进行温度测量是目前研究较多的测量方法，但是在实际应用中，其测量原理比较复杂，通过它的原理进行温度测量实现起来有一定困难。为此许多科技人员致力于这方面的研究。本文中提出了一种新的方法——基色相减测温，通过对彩色图像中的R、G、B值进行一种简单的减法运算、建立温度测量公式，采用该方法在实验室对黑体炉温度进行了实验研究，结果表明，基色相减测温方法简单、有效。     

基于过零检测的虹膜特征提取算法

该文针对虹膜图像不理想、噪声影响较大情况下,虹膜识别率下降的问题,提出了一种基于过零检测的虹膜特征提取算法,利用过零检测算子与信号局部的相关性提取虹膜纹理特征,并根据所得的系数进行符号编码形成二值特征模板,最后采用相似度进行模式分类。仿真结果表明,该算法能够提取不理想虹膜图像的稳定特征,提高识别率。     

基于U型网络复合特征的视网膜血管分割方法

视网膜血管自动分割是实现糖尿病、心血管疾病,以及多种眼科疾病自助诊断的关键步骤.血管末端消失、血管与视盘相混淆是导致分割准确率下降的主要原因.针对此类问题,提出一种基于"编码器-解码器"的复合特征视网膜血管分割方法.将U-Net的对称结构与HRNet保持高分辨率表征的方法相结合,构建复合特征提取融合模块,使神经网络充分捕捉图像中的浅层信息,提高视网膜分割准确率.在公开DRIVE数据集上进行实验,模型在测试集上的准确率、特异性、灵敏度、AUROC和AUCPR分别达到0.9537、0.9846、0.7644、0.9830、0.9239.实验结果表明,相对于目前主流的视网膜血管分割方法,所提方法表现出了一定的优势.     

虹膜识别中标准化区域分辨率的研究*

针对虹膜区域图像大小不同,难以实现虹膜的比较问题,提出了根据虹膜最小内边界周长确定角度分辨率和根据虹膜最小内、外边界半径差确定径向分辨率的方法,将不同分辨的虹膜图像转换为相同分辨率的矩形区域。结果表明,采用该方法得到的标准化维数对于虹膜的识别是有效的。     

基于稳定特征的虹膜分类算法

虹膜分类中,由于虹膜的相似度计算会受到特征模板中不可靠和不固定特征的影响,使得虹膜分类的错误率(错误识别率＋错误拒绝率)增加.为了解决这个问题,本文提出了一种稳定特征提取的方法,从同一虹膜的多个图像中提取虹膜的稳定特征,并利用这些稳定特征建立该虹膜的特征模板,然后用于虹膜的分类.采用CASIA虹膜数据库进行测试,仿真结果表明,基于稳定特征的虹膜分类算法能提高虹膜分类精度和改善虹膜识别系统性能.     

Proteus在单片机教学中的应用分析

单片机课程是电子信息类专业的重要课程,本文分析了传统单片机课程教学中存在的问题,提出应用仿真软件Proteus的解决方案。简述了Proteus软件的仿真特点和工作过程及与Keil软件的联调方法,详细分析了Proteus在“单片机”课程的课堂教学、课程设计和毕业设计中的应用特点,并通过实例说明了Proteus软件的仿真效果和良好应用前景。最后指出Proteus的仿真结果需应用于具体电路系统才能真正锻炼学生的软硬件综合开发能力。     

基于神经网络的性别识别方法

针对目前性别识别方法中的人体第二性特征提取困难、识别率低、鲁棒性差等问题,提出了一种基于神经网络的性别识别方法,并得到了基于人脸图像的性别识别分类器。文中先将人脸图像进行高斯滤波,再将预处理后的图像归一化用于训练BP神经网络,以得到性别识别分类器,最后将分类器与传统的性别识别方法进行比较。实验结果表明,通过文中方法实现了人体第二性特征自动提取,提高了分类器的容错能力和识别率,增强了鲁棒性。     

基于MATLAB GUI 的虹膜识别算法测试平台

虹膜识别是一种重要的利用生物学特征进行的身份识别技术，针对虹膜识别人们已经提出了许多算法，但如何比较、评价各种算法，还没有一个统一的标准和测试平台，为此该文建立了一个虹膜识别算法的MATLAB图形用户界面（GUI），给出了建立虹膜数据库应该考虑的问题。在该平台下，可以对虹膜识别的有关问题进行研究。对同一个虹膜数据库进行实验，可以获得不同算法的性能指标比较。该平台除了提供统一的操作界面进行各种算法比较研究外，还可以允许用户对新算法进行实验研究。结果表明，该平台能够实现各种算法的集中管理，并输出可视实验结果，很方便进行虹膜识别算法的研究和比较。     

虹膜识别中噪声的检测和处理方法

针对虹膜识别中存在的问题，在识别时应该尽可能将虹膜有效信息提取出来,而将眼皮、睫毛、光点的反射等去除，同时在特征提取中，提出了通过噪卢扩展方法消除噪声信号在编码过程中带来的影响。实验结果表明该文提出的方法有助于提高识别的可靠性和模式分类能力。