基于模糊集的神经网络景象匹配算法

将神经网络思想引入到景象匹配,提出了基于模糊集的神经网络景象匹配算法。该算法将图像模糊集作为特征空间,尝试了在模糊域中采用3层前向神经网络搜索算法进行精确寻优的方法。实验结果表明,设计的算法不但较好地满足了景象匹配系统对匹配概率和匹配精度的要求,而且比传统算法具有更高的抗干扰能力,且实时性也较好,为飞行器实时景象匹配提供了一种可行方法。     

一种新的基于神经网络的景象匹配算法

介绍了误差逆传播(Back Propagation)神经网络的基本理论。为解决存在角度旋转实时图像的匹配问题,以及尽可能地提高匹配实时性能,提出了一种新的基于像素环形排列的神经网络匹配算法,将实时图像与基准图像内待匹配区域的像素按环形排列,分别作为神经网络的阈值和输入,选择基准图像内与实时图像相对应的各环差值均较小的区域中心作为匹配位置。实验结果证明了验证了该算法的良好匹配性能。     

采用进化计算的BP神经网络学习算法研究

针对ＢＰ神经网络中存在的局部极小问题,本文提出了采用进化计算方法改进ＢＰ学习算法收敛速度的新方法,理论分析和数字仿真表明算法有很好的效果。     

一种基于进化策略的边缘特征匹配方法

针对存在旋转变化的多源图像匹配问题,提出了一种基于改进的部分Hausdorff距离(LTS-HD)和进化策略相结合的边缘特征匹配算法。通过仿真实验,该算法与基于部分Hausdorff距离的匹配算法相比,实时性和精确性都有了很大的提高。     

一种基于差分进化的BP神经网络学习算法

提出了一种基于改进差分进化算法和BP神经网络的计算机网络流量预测方法。利用差分进化算法的全局寻优能力,快速地得到BP神经网络的权值和阈值;然后利用BP神经网络的非线性拟合能力获得高精度的网络流量预测结果。实验结果表明,此方法能在较短的时间内获得较高精度的预测结果,具有较好的应用价值。     

穿越式景象匹配策略研究

目前的匹配算法对于景物丰富的目标区域,能够取得不错的匹配效果,但是对于景物贫乏的目标区域,匹配的精度比较低.针对这种情况,提出了穿越式匹配策略的方案,确定了匹配基元的选取准则,进行了相关匹配基元选取的研究.     

松弛匹配算法的神经网络实现

本文提出了用Ｈｏｐｆｉｅｌｄ神经网络完成特征点松弛匹配过程的方法，其优越性在于可以利用神经网络强大的并行处理信息的能力，实时实现松弛匹配过程。通过对模拟图像进行的大量实验，得到了令人满意的结果，证实了用Ｈｏｐｆｉｅｌｄ神经网络完成特征点松弛匹配过程的有效性和可行性。     

基于微分进化算法的匹配追踪算法研究

针对匹配追踪算法在信号分解过程中计算冗余、参数匹配精度低等缺点,将改进的微分进化算法与匹配追踪算法相结合,以提高信号处理的速度以及精确度。并将该算法应用于超声回波仿真信号和换热管污垢超声检测实验信号的处理,并与标准匹配追踪算法作对比。结果表明,基于微分进化算法的匹配追踪算法在信号处理中的计算效率和精度明显高于标准匹配算法,获得较好的降噪和信息提取效果,对超声检测信号的处理具有较重要的意义。     

基于CNN池化和进化策略的一般神经网络图像分类研究

网络的爆炸式发展产生了海量的图像,图像标签的错误和缺失比较常见,图像分类研究很有必要。CNN池化能够提取到输入矩阵的重要特征,降低数据的维度。进化策略是模仿生物"优胜劣汰"进化方式的一种启发式算法,能快速找到问题的解。本文基于CNN池化提取一组有正确标签的图像的特征,搭建层数为3的神经网络,进化策略优化初始权重,通过训练集训练分类模型,通过测试集来验证模型的优劣,并使最终的模型实现对未知类别图像的高效分类。实例验证阶段收集10类100张犬类图片,按照各研发步骤进行实验,算法结果验证了进化策略优化权重的必要及神经网络模型的高效。     

进化策略在最佳邻域匹配差错补偿中的应用

文中改进了ＢＮＭ的搜索机制,提出结合进行化策略（ＥＳ）的ＥＳ－ＢＮＭ的差错补偿算法,比较实验证明,该算法在结果接近ＢＮＭ算法的同时,大大减少了计算时间,提高了计算效率。ＥＳ－ＢＮＭ算法也再一次证明了进化算法是一种高效的优化搜索方法。     

基于BP神经网络算法的入侵检测技术

在入侵检测中应用神经网络技术,可以大大提高入侵检测的检测率,有效提高网络数据的安全。本文分析了BP神经网络应用于入侵检测的实现方式及存在的问题,并对现有的BP神经网络算法进行改进,阐述了基于BP神经网络入侵检测系统及仿真实验。     

基于BP神经网络的RSSI测距优化算法

基于接收信号强度指示(received signal strength indication, RSSI)测距的研究和应用领域很广泛,一直是物联网研究的热点. 为降低传统基于反向传播(back propagation,BP)神经网络的RSSI测距误差,文中提出一种基于K-means聚类算法对样本数据进行预处理的BP神经网络测距算法,来解决由于RSSI值衰减程度不同引起的不同距离区间RSSI值和真实距离之间映射关系不均匀的问题. 将K-means聚类算法应用于BP神经网络模型中,对样本数据进行距离区间划分,然后将已经分类好的数据分别输入BP神经网络建立网络模型并进行实验仿真. 结果显示:传统基于BP神经网络的RSSI测距算法的均方根误差为1.425 7 m;而经过K-means算法改进后的BP神经网络测距算法的均方根误差为1.288 7 m,降低了测距误差,并优化了目标RSSI值与真实距离的映射关系.     

基于并行BP神经网络的路由查找算法

结合Bloom-filter算法和并行反向传播神经网络,提出了一种新的基于并行神经网络的路由查找算法(BFBP)。该算法满足路由查找的需求,只需学习路由条目的网络ID,且易于扩展到IPv6地址查询。研究结果表明,相比于己有的神经网络路由查找方法,该算法需要学习的条目数平均减少了520倍,提高了学习效率,为神经网络应用于路由查找创造了有利条件。     

基于BP神经网络算法的仿真研究

BP神经网络,有着较好的函数拟合性,但仍存在着网络不收敛、陷入局部最小的风险和收敛速度慢的缺点。对这些缺点的克服,大量的科研工作者对此算法做了许多改进工作。文中利用输入向量与目标函数之间的关联,更新网络的权重值,针对网络收敛速度慢、陷入局部最小等风险,对BP算法进行了改进。且对已了解的BP神经网络的几种改进算法以某通信设备的故障诊断为实例一一进行实际训练验证,针对网络训练结果做了总结,对比各种改进方法的优劣,通过对比分析得出本文的算法改进效果明显,且故障诊断准确具有实际价值。     

基于VS.NET实现BP神经网络算法

BP神经网络算法是一种实用的神经网络算法,市面上已有各种BP神经网络工具,比如MATLAB的神经网络工具箱。使用者很难更灵活的调用BP神经网络,比如为了给用户一个更好的体验把BP神经网络集成到自己开发的项目中。现通过VS.NET实现了BP神经网络算法,经过实践证明,该程序能完成基本的BP神经网络功能,具有较好的实用性和扩展性,能给BP神经网络算法的应用提供更多的灵活性。     

基于遗传算法优化BP神经网络的风电功率预测

随着大量风电开始并入电网,风电场输出功率预测对接入大量风电的电力系统的运行有重要意义。针对神经网络在风电功率预测中结构和权值参数难以确定,预测精度不高等问题,提出利用遗传算法对神经网络的拓扑结构和网络权值进行优化,并将其应用于风电场功率预测,研究表明预测精度有一定程度的提高。     

基于双BP神经网络的室内可见光定位算法

为提高室内可见光定位的精度,提出了一种基于双反向传播(BP)神经网络的单发光二极管(LED)灯室内定位算法.首先在定位区域内使用BP神经网络确定待测目标粗略的位置范围,然后以该位置范围为限制条件,再次使用BP神经网络实现更精确的定位.室内定位系统采用单个LED灯作为发射器,3个水平光电探测器作为接收器接收光功率,避免了...     

基于BP神经网络和蚁群的WSN分簇算法的研究

在研究经典低能量自适应分簇路由算法的基础上,提出基于BP神经网络和蚁群的无线传感器网络分簇路由算法。在分簇阶段将BP神经网络应用于每个分簇结构中,把采集的大量信息通过设计好的神经网络模型融合得到反映原始数据特征的少量数据信息。在数据传递阶段将蚁群算法应用到簇间路由机制中,寻找簇头到基站的最佳路径。将融合后的数据通过优化的路径传送到汇聚节点。仿真结果表明,该算法和LEACH算法相比,有效地均衡了网络的能量消耗,并延长了网络的生命周期。     

基于遗传算法优化BP神经网络的可见光定位

采用接收信号强度(RSS)方法的室内可见光定位 ,因受多径效应及噪声的影响,对距离估计不准确, 定位精度不高。为提高定位精度,本文提出了一种采用遗传算法优化BP神经网络(GA-BP) 的距离估计方法。 先通过遗传算法优化BP神经网络的初始权值,经过优化后的BP神经网络收敛速度快,不易 限于局部最优。 再利用GA-BP神经网络对收发端之间的距离进行修正,使其接近于真实距离。最后使用最 小二乘法解算待 定位点坐标,同时在不同定位范围和不同定位位置下,与传统RSS加权质心方法的可见光定 位结果进行对 比。仿真结果表明,在5m×5m×3m的定位场景中,平均定位误差可以达到0.642 cm。与传统RSS加权质 心方法相比,平均定位精度提高了约96.4%。且在不同定位范围和不 同定位位置下,平均定位误差稳定在 毫米级,尤其不随定位范围的扩大而扩大。有效地提高了室内定位精度和系统应用的普适性 。