串联式集装箱重心偏移自适应修正算法研究

针对串联式集装箱分箱计重中因货物配置不匀导致的重心随机偏移问题,提出了一种基于径向基函数神经网络的自适应修正算法。该算法利用K-Mean聚类算法来确定RBF神经网络隐含层的中心向量;并采用RLS算法来调整隐含层与输出层之间的连接权值。该算法模型能针对各种车型并在各种车速下实现串联式集装箱的重心动态计算,从而获得准确的分箱重量。通过RBF及BP算法的仿真对比实验表明：基于RBF的修正算法具有更高的环境适应性和更低的计重误差率,能真正达到串联式集装箱重心自适应偏移纠正的目的。     

蚁群神经网络在社区老年人健康检测中的应用研究

针对社区网格化管理中老年人多类健康体征数据的在线评估要求,提出一种基于蚁群聚类的径向基神经网络评估模型。模型在RBF神经网络的架构上引入了蚁群聚类算法。仿真的性能结果和实验结论表明,该模型兼具蚁群算法良好的全局最优策略和径向基网络的快速收敛性能,能准确及时地评估老年人的健康状况。     

基于MATLAB的车牌识别系统设计与实现

通过对车牌定位、车牌字符分割和车牌字符识别进行研究,提出了一种车牌识别系统的设计和实验仿真方法。该方法首先采用基于Canny算子边缘检测和数学形态学相结合的方法定位出车牌,进行二值化、滤波和形态学开运算后使用投影二分法分割出7个车牌字符,最后使用模板匹配和特征统计相结合的方法识别出车牌字符。试验表明该方法是有效的、可行的,与传统使用单一算法相比较,该方法大大提高了车牌识别系统的正确率。