基于小波变换和支持向量机的彩色纹理识别

为了提高纹理图像的识别率,提出了一种将颜色信息融入到纹理识别中的新方法--基于小波变换和支持向量机的彩色纹理识别.首先将彩色纹理图像转化到HSV彩色空间,用小波变换进行树形结构小波分解提取彩色纹理的特征,然后用SVM对不同的特征进行纹理分类识别.对不同的彩色自然纹理图像进行了实验,并将结果与已有的进行了比较.实验结果证明,此方法的正确识别率比较高.     

基于小波神经网络的信号调制识别

采用小渡分析与神经网络相结合的思想进行数字通信信号调制类型的识别.首先利用小波分析对信号进行分解,根据小波系数进行特征提取,然后利用概率神经网络对4种常用数字通信信号进行识别.仿真结果表明,小波分析和神经网络相结合,可以很好的实现数字通信信号调制类型的识别.     

小波变换和神经网络在车牌识别中的应用

介绍了车牌识别的背景、意义和一般实现过程，阐述了小波变换和神经网络的基本理论，详细地分析和论述了小波变换和神经网络在车牌识别四个核心阶段（即图像预处理、车牌定位、字符分割和字符识别）中的应用，最后总结并对两者在车牌识别技术中的应用前景进行了展望。     

基于小波和BP神经网络的无线电探测目标识别技术

目标识别是智能弹药研发的关键技术之一，本文采用小波变换和BP神经网络理论对无线电探测目标识别技术进行了研究，给出了分类识别算法，并用实测数据进行了实验验证，结果表明该识别算法具有很高的目标识别率．     

荧光光谱结合概率神经网络用于无醇啤酒的识别

为了快速、准确地识别无醇啤酒和普通啤酒,采用荧光光谱结合概率神经网络的方法,建立了识别无醇啤酒的模型。实验中发现无醇啤酒和普通啤酒在紫外-可见光激发下,都能产生较强荧光,测得无醇啤酒荧光峰在420nm～620nm之间,荧光峰值波长为490nm左右。将小波变换处理荧光光谱得到的低频系数作为网络数据,训练、建立了概率神经网络,并对60个啤酒样本进行了识别,识别率达到了98.33%。该研究结果为无醇啤酒和普通啤酒识别提供了一种新方法。     

基于小波变换和神经网络集成的人脸表情识别

提出了一种表情识别的新方法，首先通过基于小波变换的图像分解和K-L变换等处理，来抽取面部表情区域的有效鉴别特征．之后采用神经网络集成技术对六种典型表情进行识别。在CMU表情数据库上的实验表明，该方法达到了很高的识别率．而且对光照变化也有一定的不敏感性。     

基于Q-shift双树复数小波系数的纹理图像检索

提出了基于Q-shift双树复数小波变换(DT-CWT)系数统计模型的纹理图像检索。与实数小波变换不同的是,Q-shift DT-CWT交替地使用近似1/4群延迟采样的滤波器组,提取具有平移不变性和良好方向选择性的图像特征。为了减少特征向量的维数,提出用广义高斯分布(GGD)统计模型拟合Q-shift DT-CWT系数的分布,克服了传统使用均值和方差描述图像特征缺乏分类准确性和检索精度不高的缺点,最后用KLD(Kullback-Leibler distance)测度进行纹理图像检索。对Brodatz图像库的仿真表明,新方法较DT-CWT+GGD+KLD组合算法查准率提高3.75%,较基于Gabor+加权均值方差(WMV)组合算法查准率提高了22.56%。     

基于概率神经网络的农作物虫情预测

为了提高对农作物虫情预测的准确度,本文主要采用概率神经网络（PNN）对农作物虫情进行预测．并将预测结果与BP神经网络的预测结果进行比较。结果表明,概率神经网络的预测准确度远远大于BP神经网络,显示了概率神经网络在模式识别领域的优势。     

大气杂质气体神经网络识别的推广性研究

采用支持向量机(SVM)方法对小波变换压缩后的非线性荧光光谱数据进行识别,对学习样本和未学习过的样本进行测试,其正确识别率均为100％。为了全面比较推广性能的好坏,建立了一个模拟实际监测数据的模型,并采用这些数据对提出的SVM网络与概率神经网络(PNN)进行了比较研究。仿真结果表明,无论对实验室数据的推广能力,还是对监测条件变化的推广能力,SVM网络较PNN有更好的推广和容错性能。     

基于小波概率网络的局部放电模式识别

针对高压电器局部放电模式分类中样本数较少,常规的分类方法识别率较低,提出了一种基于概率神经网络与小波变换的混合算法。利用实验室模拟的局部放电信号进行小波分解,提取小波能量系数作为特征参数,并作为概率神经网络的输入进行分类。其得到的结果优于多层前馈神经网络及采用顺序最优化学习方法的支持向量机算法。     

基于小波神经网络的嵌入式语音识别系统

以ARM和嵌入式操作系统Windows CE为平台设计了基于小波神经网络的语音识别系统。首先介绍了语音识别的基本原理、系统的硬件组成、系统的功能结构、系统的工作原理,然后叙述了小波和神经网络的理论知识及算法,最后介绍了嵌入式语音系统的软件设计。由于采用S3C2410芯片负责系统的控制和识别工作,而语音信号的特征提取和训练算法全部由SPCE061A芯片来完成,从而使得语音识别系统识别率提高,可移植性好。     

基于小波网络和HMM的语音识别方法

利用隐马尔可夫模型(HMM)的动态时间序列建模能力及神经网络的模式分类能力,构成混合语音识别模型,同时考虑到语音信号的非平稳性,采用小波分析方法提取语音特征向量。通过时间规整方法,将所有具有可变长度的语音特征向量转换为相同维数的特征向量,从而简化了神经网络的结构。仿真结果表明,采用混合语音识别模型以及时间规整方法,不仅可提高识别率,同时大大缩减了训练时间,获得了很好的识别效果。     

基于Gabor小波和神经网的人脸检测

论文提出了一种基于Gabor滤波特征和的正面人脸检测方法。算法首先利用了Gabor滤波器的良好的空间位置与方向的选择特性,采用了四种方向的Gabor滤波器提取人脸样本图像特征并送入神经网路进行训练。实验结果证明该方法行是十分有效的。     

基于球面Haar小波和卷积神经网络的飞行员虹膜识别

虹膜识别面临两个重要的问题：一是如何精细分解与重构虹膜球面图像;二是如何识别虹膜图特征。虹膜表面几何位置信息是一种重要的信号,传统的虹膜识别通常使用虹膜图像的平面特征,然而人的眼睛是一种球体,从平面图像难以提取到虹膜球体的几何特征。针对平面特征容易出现虹膜纹理的扭曲和失真等问题,该文建议一种正交对称的球面Haar小波(...     

基于球面Haar小波和卷积神经网络的飞行员虹膜识别

虹膜识别面临两个重要的问题：一是如何精细分解与重构虹膜球面图像;二是如何识别虹膜图特征。虹膜表面几何位置信息是一种重要的信号,传统的虹膜识别通常使用虹膜图像的平面特征,然而人的眼睛是一种球体,从平面图像难以提取到虹膜球体的几何特征。针对平面特征容易出现虹膜纹理的扭曲和失真等问题,该文建议一种正交对称的球面Haar小波(OSSHW)基,对球面虹膜信号进行多尺度分解与重构,获得更精细的虹膜曲面几何特征,同时对比球谐函数和半正交或正交球面Haar小波基的虹膜球面信号特征提取能力。在此基础上,该文提出一种基于卷积神经网络(CNN)和正交对称的球面Haar小波的虹膜识别方法,它能够有效捕获虹膜球体曲面的局部精细特征,比半正交或正交球面Haar小波基具有更强的虹膜识别能力。     

基于数据场的概率神经网络算法

提出基于数据场高斯势约简概率神经网络结构,基本思路:引入数据场估计训练集各类概率密度,选择局部极大密度估计样本构造网络;对初始网络迭代训练,依次扩展各类具有最大密度估计值的误分样本至模式层并调整权重参数,直至满足指定精度.采用增量密度计算,保证快速迭代和高概率收敛.基于重采样技术进一步提升泛化精度.实验表明,提出的算法...     

基于小波神经网络的掌纹识别方法的研究

为提高掌纹图像识别率,首先利用手掌的几何轮廓对所采集到的掌纹图像进行预处理,进行分割得到感兴趣的区域.再利用小波变换对掌纹图像分别进行多层分解,进而提取小波特征.最后利用BP神经网络进行分类.通过仿真实验表明,与单一的神经网络方法进行掌纹识别相比,这种将小波分析与神经网络相结合的方法收敛步数少、用时短、具有较高的识别率.