关于单体模糊神经网络感知机收敛定理的讨论

考虑单体模糊神经网络模型,讨论了单体模糊神经网络的感知机收敛定理与传统神经网络感知机收敛定理的关系,指出了在证明单体模糊神经网络的感知机收敛定理时存在的问题,提出了两种修改方案,即给出了两个改进的感知机收敛定理,并给出相应的证明和说明.     

过程神经网络的训练及其应用

研究过程神经网络的学习算法及其在过程模式识别中的应用。针对权值基展开的过程神经网络讨论了权值基的选取规则和对采样曲线的标准化处理问题,给出了含一个隐层的过程神经网络的误差反传播学习算法。以聚合化学反应和渗流实验两个具体实例验证了算法的有效性,也说明了过程神经网络的广泛应用前景。     

分段式过程神经元网络

研究分段式过程神经网络模型及其学习算法.在过程神经元网络基础上提出分段式过程神经网络模型,并给出在已知和未知各阶段期望输出两种情况下的学习算法,目的是模拟分段目标规划和评判系统.最后给出大学生综合评价系统的应用实例,模拟仿真结果说明模型和算法是有效的.     

缩放延迟系统数值解稳定性

研究变延迟缩放微分方程初值问题数值解稳定性，考察了求解此类问题的线性θ－方法稳定性，给出了θ－方法渐近稳定的充分条件为。     

基于小波变换的PCNN多传感器图像融合

利用PCNN（Pulse Coupled Neural Network）在图像处理中的独特优势,提出了一种基于小波变换的PCNN多传感器图像融合方法。对源图像进行小波分解,得到不同尺度下的子带图像;在小波域中利用PCNN的同步脉冲激发特性,制定基于PCNN的融合规则;使用不同尺度下的小波系数的SF（Spatial Frequency）作为对应神经元的链接强度,经过PCNN点火得到源图像在小波域中的点火映射图;通过判决选择算子,选择点火次数多的小波系数作为对应的融合系数,进行区域一致性检验,获到最终的融合系数;对融合后的系数进行小波逆变换得到融合图像。实验结果表明,该方法有效地综合源图像中的重要信息,得到更好视觉效果和更优量化指标的融合图像,在主客观评价上均优于小波、PCNN等方法。     

校园网分布式计算环境的建立

以ＰＶＭ系统为网络进行计算平台,选择合适的机群上的操作系统,建立了校园网分布式计算环境,介绍了ＰＶＭ的计算模型、ＰＶＭ系统在校园网上的实现过程及ＰＶＭ应用程序的编制和编译链接方法等,从而解决了网络上并行计算的问题,利用局域网建立分布式计算环境,是我国科研和教育部门进行并进计算一的条有效的途径。     

基于层次关联边条件随机场的Web对象抽取

提出一种基于层次关联边条件随机场(HCC-CRFs)模型的Web对象抽取方法.将数据块检测和属性标注合并为标签分配问题,避免误差传播现象.通过在数据块之间增加条件依赖关系,使HCC-CRFs模型能充分利用Web页面的内容层次结构.实验结果表明,该方法具有较好的抽取效果.     

复杂背景下快速车牌定位算法

提出了一种复杂背景下的快速实时车牌定位算法。车牌定位的实时性和精确性是车牌识别系统高效运行的保障。提出了一种整型特殊核并利用差分运算来实现车牌定位。在分析了混合高斯函数卷积的车牌定位方法上的基础上,针对二维高斯核计算复杂度较高的问题提出了改进,直接在获取的垂直边缘图上进行混合高斯卷积,重新提出了一种整型的特征核,并用差分的方法代替了卷积,即用少量的加法操作代替了卷积大量的浮点乘法操作。对比分析了两种不同方法的定位效果和时间复杂度。实验结果表明在保持定位精度不变的情况下运行效率有较大提高,达到了实时性的要求。     

自适应特征提取的光照鲁棒性人脸识别

针对光照对人脸特征提取的影响,提出了一种基于多尺度Curvelet变换的自适应局部熵的光照鲁棒性人脸特征提取方法。采用特殊局部对比增强算法对光照不均衡图像进行光照补偿,同时使图像局部特征显著;通过对增强后的图像进行Curvelet多尺度分解,得到的分解系数进行分块求熵从而构成候选特征向量;通过特征鉴别能力分析和评估,对候选特征值进行最优选择。在ORL,Yale,YaleB,AR四个人脸数据库中的实验结果表明,该方法与传统的PCA,LDA方法相比,避免小样本和特征分解问题,同时具有环境适应性和抗光照影响的特点。     

KLT织物疵点检测算法研究及FPGA实现

提出了一种基于FPGA的织物疵点检测系统的实现方案,设计在充分利用FPGA的并行体系架构和丰富的块存储资源的情况下引入KLT(Kanade-Lucas-Tomasi)特征点检测算法对织物疵点进行实时检测,以灵活的硬件可编程来满足KLT检测算法的调整以适应不同的检测要求。经验证,系统可以在实际的应用中准确地检测出织物上的疵点,且检测灵活方便。