面向NURBS曲线构建的切片技术研究

激光点云数据NURBS曲线曲面重构一般采用参数化方法时,要求数据点是按照特殊规则排列的,即链式曲线和曲面网格.如果被测点是不规则空间排列,运用参数化方法会非常困难,拟合曲面可能会扭曲的很厉害.针对该问题,本文利用切片技术对散乱点进行曲线重建,首先采用曲率分析方法确定切片方向,然后以一定厚度的一系列平行平面与点云求交,对"相交点集"排序,再由参数化方法进行NURBS曲线重构.经实验验证,该方法在NURBS曲线重构中具有高效率性和计算稳定性.     

基于SOM网络的江苏省城市现代化水平分类

文章以江苏省13个地级市为例,通过复合指标法从人口、经济、生活方式、基础设施四大方面中选取15项指标,建立江苏省城市现代化指标体系,利用人工神经网络(ANN)中自组织特征映射网络(SOM)强大的聚类功能,建立江苏省城市现代化水平综合评价模型,运用该模型对江苏省13个地级市2006年的现代化水平进行综合评价,得出这些城市2006年的现代化综合水平分类结果,该分类结果与实际情况基本相符.     

基于支持向量机的曲线重建方法

基于统计学习理论(SLT)的支持向量机(SVM)在高维空间中表示复杂函数是一种有效的通用方法，也是一种新的、很有发展前景的机器学习算法。文中简要介绍了基于支持向量机的理论，并在此基础上提出了一种基于支持向量机(SVM)的曲线重建算法，最后给出了实验，证明了该方法的有效性。     

基于SOM神经网络的人力资本聚类分析

对人力资本数据进行知识的发现,可以了解未来各地区人力资本的演化进程,从而对连带的一系列的社会问题如教育、劳动力结构等将有一个充分的认识。正确的人力资本预测结果将对政府制定与此相关的政策意义重大,利用数据挖掘中的SOM神经网络技术,对各地区的人力资本进行了聚类分析,得出中国各地区的教育结构分为5个层次的结论。聚在一起的地区在教育的结构层次上具有一定的相似性,而且与各地区经济发达程度密切相关并得到部分结论。     

一种新的基于重采样的曲线重建算法

提出了一种新的对原始点云进行k-近邻跟踪重采样的曲线重建算法.首先通过人为规划得到面部模型的特征线点云;采用k-近邻搜索和空间划分的策略, 确定跟踪点列得到一个简化有序的重采样点云, 再用B样条的反求来重构曲线模型;最后利用VC6. 0实现了上述算法和基于MLS原理的重采样算法.实验表明, 提出的重采样算法重构的曲线模型不仅质量好且重构效率较高.     

基于TMS320C80的SOM网络并行实现

基于神经元的并行性，提出了基于ＴＭＳ３２０Ｃ８０的ＳＯＭ网的并行实现方法，并给出一种解决“存储器访问冲突”问题的方法。     

基于SOM神经网络的凝汽器故障诊断研究

应用自组织特征映射(SOM)神经网络实现凝汽器的故障诊断。介绍了SOM网络的结构和学习算法;总结了凝汽器的故障集、征兆集和故障特征数据。在MATLAB环境下给出了凝汽器故障诊断的具体实例,表明该方法是一种可行有效的凝汽器故障诊断方法。     

基于激光位移传感器的零件轮廓曲线重建策略

针对零件轮廓曲线复杂多变,破损情况不尽相同,使用传统建模方式存在效率低、精度差、操作复杂等问题,提出基于激光位移传感器的零件轮廓曲线重建技术,构建了自适应零件轮廓曲线采集平台,基于Savitzky-Golay平滑滤波算法实现了采集数据的降噪与光顺,通过Akima样条拟合和重采样重建了能够用于加工制造的轮廓曲线点集,并通过实例测试验证所提重建策略的可行性和有效性。结果表明,重建曲线与理论曲线之间的误差在-0.143 4～0.091 0之间变化,能够重建与原始曲线一致、误差更小且符合加工制造要求轮廓曲线。     

改进SOM和快速K中心点银行客户细分

动态设置自组织神经网络的学习速率,加快自我组织进程,利用改进后的SOM训练样本数据得到的原型向量数据量远小于初始数据量且保持原拓扑结构不变,再用快速K中心点算法对该原型向量聚类并用CH指标判定最佳聚类个数.结合巴雷托分析法和客户价值矩阵将Standard银行客户划分为四类,为不同客户群体提供针对性营销建议.     

基于SOM神经网络的变电站设备红外热像诊断研究

提出了基于自组织神经网络(SOM)判别变电站设备热故障类型的红外图像诊断方法.采用了最大类间差法(OTSU)对电力设备红外热像进行了分割处理,从中提取出包括设备红外热像的温度特征值、Zernike不变矩等12个参数,以此作为设备状态识别的信息输入量,将设备的状态分类信息作为输出向量.通过训练56组红外热像数据,确定了SOM神经网络识别模型中的参数值.试验结果表明:该方法可用于变电站设备状态诊断,相对于传统的神经网络方法的诊断结果,该方法对设备运行状态评估的准确率高达85.7%,如将诊断模型产生的可疑状态列入故障状态,则故障的诊断率可达到95%以上.     

Clustering analysis of ancient celadon based on SOM neural network

In the study, chemical compositions of 48 fragments of ancient ceramics excavated in 4 archaeological kiln sites which were located in 3 cities (Hangzhou, Cixi and Longquan in Zhejiang Province, China) have been examined by energy-dispersive X-ray fluorescence (EDXRF) technique. Then the method of SOM was introduced into the clustering analysis based on the major and minor element compositions of the bodies, the results manifested that 48 samples could be perfectly distributed into 3 locations, Hangzhou, Cixi and Longquan. Because the major and minor element compositions of two Royal Kilns were similar to each other, the classification accuracy over them was merely 76.92%. In view of this, the authors have made a SOM clustering analysis again based on the trace element compositions of the bodies, the classification accuracy rose to 84.61%. These results indicated that discrepancies in the trace element compositions of the bodies of the ancient ceramics excavated in two Royal Kiln sites were more distinct than those in the major and minor element compositions, which was in accordance with the fact. We argued that SOM could be employed in the clustering analysis of ancient ceramics. Supported by the Research Foundation of City University of Hong Kong (Grant No. 7001104)     

基于SOMK算法的T-S模糊系统建模方法

针对T-S模糊系统建模中的结构辨识和参数辨识问题,以自组织特征映射SOM算法与K-means算法相结合的SOMK算法对输入样本进行聚类,同时以Davies-Bouldin(DB)指标来验证聚类的有效性,得到最佳聚类数即为T-S模糊系统模型的规则数。然后用所得模糊规则数和聚类中心来辨识T-S模糊系统模型前件参数进而采用最小二乘算法来确定模糊推理规则的后件参数。最后,用仿真实例验证了文中所提出的建模方法与相应算法。仿真结果表明,该方法逼近精度高,泛化能力强,具有较好的实际应用价值。     

模糊SOM网络在油气预测中的应用

把模糊集合论中隶属度的概念引入SOM网络的学习过程中,用“走着瞧”的分类策略代替“一步定终身”的作法,较好地克服了SOM网络中模式类别分界线难以确定以及网络权值局部振荡而引起的学习时间延长的缺陷．该算法中隶属度由文献[1]中模糊ISODATA算法确定,本文将SOM与模糊ISODATA的这种结合称为模糊SOM网络,即FSOM．将其应用于实际的油气预测中,取得了良好的应用效果．     

基于SOM神经网络的半监督分类算法

为提高半监督分类的性能,提出一种基于SOM神经网络的半监督分类算法SSC-SOM。结合SOM的聚类特性,基于先聚类后标记的思想,充分利用有标记样本和未标记样本训练SOM分类器;将聚类的形成和有标记样本分配到各个聚类中同时进行,并根据有标记样本计算各个聚类的聚类中心;在整个未标记样本的范围内,根据聚类中心,使用K近邻算法对未标记样本进行标记,挖掘未标记样本的隐含信息。在UCI数据集中进行分类实验,其结果表明,SSC-SOM的分类率比SSOM提高2.22%,且收敛性较好。     

采用SOM算法的软体机械臂三维形状实时感知

为实现软体机械臂精确的三维形状实时估计,奠定变形控制与应用的基础性工作,针对三段式软体机械臂,提出了一种基于自组织映射(Self-organizing map, SOM)算法的三维空间形状实时感知方法。首先,对ZED双目相机捕捉到的左、右图像帧进行图像预处理,得到左、右二值图像,并实时提取软体机械臂的二维轮廓数据。然后,采用SOM算法对轮廓数据进行聚类,有序得到软体机械臂二维中心线的多个骨干点,并与K均值,高斯混合模型以及细化3种中心线提取算法进行了对比研究,进一步表明SOM算法更适用于解决软体机械臂复杂形状的中心线辨识。最后,通过基于双目视差的三角测距模型完成软体机械臂的三维形状重构。该算法还采用数据降采样、SOM参数优化等方法,提高算法框架的实时性能。针对软体机械臂连续形变过程,进行了实时形状传感实验和对比验证实验。实验结果表明,该算法具有较高的形状感知精度和较好的实时跟踪效果。不仅如此,与其他文献中提出的形状检测算法相比,该算法也具有较好的性能。     

基于小波奇异熵和SOM神经网络的微电网系统故障诊断

针对微电网系统运行方式灵活、拓扑结构多样的特点,基于对小波变换、奇异值分解和泛化信息熵基本理论的分析,揭示了小波奇异熵能够对故障信号给出确定的量度,将小波奇异熵与自组织特征映射(self-organizing feature map, SOM)神经网络相结合,提出一种能够适应微电网系统拓扑结构变化情况的故障诊断方法。 利用PSCAD4.2建立了微电网故障仿真系统,进行故障诊断仿真试验。 试验结果表明:该方法不受故障位置、故障时刻等因素的影响,在微电网系统拓扑结构发生变化的情况下,能实现有效的故障诊断。     

基于SOM算法的机器视觉颜色识别

针对机器人视觉系统光适应性差的弱点,利用SOM(Self-organizing Map)算法良好的聚类效果,把该算法应用于视觉系统的颜色分类中,使视觉系统具有学习能力去适应环境的变化.仿真结果表明,采用SOM算法的视觉系统颜色识别率有所提高.     

一种基于SOM的中文文本两阶段快速聚类方法应用研究

研究了一种基于自组织神经网络的中文文档聚类方法,按照提出的中文聚类模型,该方法首先对文档进行SOM训练产生初步的聚类结果,然后对第一次聚类结果进行基于参考点和密度的快速聚类,理论分析和实验结果也证明了该方法适合高维中文文档的聚类,与直接聚类方法相比,该方法提高了聚类的效果,减少了计算时间。