一种可在线学习的变结构径向基函数网络及其在被动声纳目标识别中的应用

提出一种新颖的隐节点可调的变结构径向基函数,并应用进化规划最优地确定和调节变结构径向基函数网络隐层节点的数目及其核函数的中心和宽度,从而使网络具有在线学习和记忆新的目标模式的功能,并将该网络应用于被动声纳目标的识别和在线学习实验结果表明基于进化规划的变结构径向基函数网络不仅了网络的泛化能力,而且能够有效垢解决传统神经网络技术在被动声纳目标识别过程中在线学习会造成原有记忆遗忘的困难。     

子波核函数网络

提出一种子波核函数网络作为支撑矢量机的一种替代学习机,仿真实验验证了子波核函数网络的逼近性能和识别性能都可以与相应的支撑矢量机相媲美,并优于子波神经网络.     

四旋翼飞行器的神经网络PID控制算法研究

针对四旋翼飞行器的强耦合、欠驱动、非线性且无法精确建模等问题,设计一种能够自主调节飞行器控制参数,且在工程实践中易于实现的径向基神经网络PID控制算法。该算法以高斯激活函数为主体,采用梯度下降法训练网络的中心矢量及权值参数,得出网络输入/输出之间的非线性关系,最后用于修正位置环PID的控制参数。搭建四旋翼飞行器实物平台,通过实验研究算法的控制性能。实验结果表明,神经网络PID控制算法控制效果优良,不依赖系统的精确建立且具有较强的鲁棒性及自适应能力。     

尺度核函数支撑矢量机

本文提出了一种可容许的支撑矢量机核—尺度核.该尺度核函数可以被看作是一个具有平移因子的多维尺度函数,它能作为平方可积空间的子空间上一组完备的基函数.在此意义上,采用尺度核函数的支撑矢量机,可以认为是在尺度空间中寻找最佳的尺度系数.因此在理论上尺度核函数支撑矢量机能够以零误差逼近某一空间上的任何目标函数,文中给出的仿真实验进一步验证了它的可行性和有效性.     

基于混合递阶遗传算法的判决反馈RBF网络信道均衡器设计

针对判决反馈RBF网络信道均衡器的结构特点,提出了一种混合递阶遗传算法,对网络隐层结构以及径向基函数中心和宽度采用递阶结构联合编码并分层次进行遗传操作,不仅可以确定隐层节点参数,同时也可以确定隐层节点数, 解决了网络拓扑结构的优化设计问题;将网络参数空间划分为线性空间和非线性空间分别进行优化训练,简化了递阶遗传操作空间,加速算法收敛。     

基于恒定动量矢量的快速大形变微分同胚非刚体标记点集匹配算法

目前经典的基于微分同胚非刚体变换的标记点匹配算法虽然克服了以往非微分同胚变换方法不能处理大形变非刚体变换的问题,但是普遍存在时空复杂度较高,算法收敛速度较慢以及匹配精确性和变换光滑性不能兼顾等问题.针对这些问题,本文提出了一种新的基于恒定动量矢量的快速大形变微分同胚非刚体标记点集匹配算法,该方法利用拉格朗日坐标系下的恒定动量矢量以及时间依赖的多尺度再生核来构造速度矢量场,然后采用基于规则化控制参数的确定性退火机制来搜索最优动量矢量,从而得到最终的微分同胚变换形变场.最后实验验证了本文所提新算法能使匹配的精确性和变换的光滑性达到较好的平衡兼顾,而且也较大程度地降低了算法的时间复杂度以及空间复杂度.     

一种用于视频编码的块运动估计算法——块特征匹配预测搜索算法

本文提出了一种块特征匹配预测搜索ＢＦＭＰＳ算法,可以用于视频压缩的一些国际标准,如Ｈ．２６１,Ｈ．２６３,ＭＰＥＧ１,ＭＰＥＧ２,ＨＤＴＶ中,ＢＦＭＰＳ算法充分利用了序列图像的实际矢量与预测矢量之间距离的空间分布特征,中心偏置分布特性和时间上的相关特性,并采用了中止判决准则,可以明显地减少了运动搜索复杂度,ＢＦＭＰＳ算法在匹配运算中采用 简单有交的块特征匹配准则函数,相应的块匹配计算复杂度,数据读     

基于核主元分析和Fisher线性判别的掌纹识别

提出了基于核主元分析(KPCA)和FLD相结合的掌纹识别方法.对每幅掌纹图像应用KPCA进行降维,然后将二维图像矩阵转换成一维图像矢量.PolyU掌纹图像库中所有图像矢量组成的数据矩阵作为FLD的输入,进行特征提取,计算特征矢量间的余弦距离进行掌纹匹配.实验结果说明,与传统的PCA+FLD相比,在不同的特征个数下,本文方法均取得了较小的等错率(EER),而且特征提取时间较短,运行速度较快.在三种不同的核函数中,RBF核函数的识别效果最佳,等错率最小为0.     

自组织模糊神经网络的气动参数辨识算法

导弹气动参数一般通过理论计算或风洞试验数据来获取,由于受诸多因素限制而难以获得精确值。为了提高导弹动力学模型的精确度,利用神经网络能够逼近任意非线性函数的特点,对各实际工作点的气动参数进行辨识。采用反向传播神经网络的结构模型,通过加入模糊推理算法进行神经元权值修正的聚类训练,并动态地调节隐层节点数目,由此提出了一种能够精确跟踪非线性函数的网络模型。网络中若不存在能代表某些输入的聚类中心的神经元时,增加隐层节点数即相当于增加相应的模糊规则,它体现了该网络的自组织特点。仿真结果验证了模型对气动参数辨识的有效性,该方法对于自动驾驶仪气动参数的修正具有良好应用前景。     

一种新的高斯基函数分类器训练方法的研究

本文主要研究高斯基函数分类器的训练问题，对基函数分类器来说，如何确定网络的初始隐层节点数和隐层节点参数是一个重要问题，文中采用基于遗传算法的高斯核函数聚类方法和模糊决策技术完成分类器的初始结构和参数确定，然后再采用反向传播（ＢＰ）学习算法完成分类器的最终训练，典型实验的结果表明了该方法的有效性。     

基于熵的RBF神经网络在软测量中的应用

为了更好地确定RBF神经网络中心向量,并且使得最终的RBF神经网络结构可以进一步调整。提出了一种使用熵聚类的算法来首先确定RBF神经网络隐节点的个数及其初始值,实现初始化的基础上使用常规算法调整RBF神经网络的中心和训练宽度,最后使用基于互信息的RBF神经网络修剪算法调整网络结构。并将上述算法应用于COD软测量问题中,仿真实验结果表明：改进的算法与常规的算法相比,提高了训练速度和逼近精度。     

各向异性核函数均值漂移目标跟踪算法研究

针对传统均值漂移算法利用固定核或对称核函数进行目标跟踪时出现目标跟踪丢失或跟踪失败的问题,提出了基于各向异性核函数的自适应带宽均值漂移目标跟踪算法,以提高目标跟踪的准确性、实时性.在符号距离核函数的基础上引入符号距离约束函数,构成各向异性核函数,满足目标外部的区域函数值为零,为目标跟踪提供准确的跟踪窗.依据基于各向异性核函数的均值漂移应用到目标跟踪中需满足跟踪窗内的样本点到中心点的向量权重之和为0的思想,计算各向异性核函数模板的均值漂移窗口中心.利用相似度阈值对前后两帧目标模板的变化情况进行限制,实现各向异性核函数模板的自适应更新及目标的准确实时跟踪.实验结果表明所提出算法的准确性和实时性较高.     

基于遗传算法的影像匹配方法研究

影像匹配是立体视觉中的核心问题之一。本文基于传统的影像匹配技术,提出了一种基于遗传算法的影像匹配方法。针对简单的遗传算法易于陷入局部最优的缺点和影像匹配的具体问题,对基本遗传算法作了改进。实验表明,此种方法具有较好的匹配精度和速度,能应用于各种类型的匹配中。     

基于核局部Fisher判别分析的掌纹识别

运用核局部Fisher判别分析(KLFDA)进行掌纹识别。为了解决小样本图像识别中特征方程矩阵的奇异性问题,首先运用图像下抽样方法降低掌纹空间的维数,在低维图像上应用KLF-DA提取低维的投影向量;然后将训练图像和待识别图像的核矩阵向投影向量上投影,得到非线性局部判别特征;最后计算特征向量间的余弦距离,进行掌纹匹配。运用PolyU掌纹图像库对算法进行测试,实验结果表明,与主元分析(PCA)、Fisher判别分析(FDA)、独立元分析(ICA)、核主元分析(KPCA)和局部Fisher判别分析(LFDA)相比,本文算法的识别率(RR)最高为99%,特征提取和匹配总时间0.031 s,满足实时系统的要求。     

尺度可调的混合核RBF网络

针对传统核模型中采用单一核函数的局限性,利用两个核函数的线性组合得到混合核.在RBF网络的训练中,采取正交最小二乘的方法进行逐步回归建模.在学习每个神经元参数时,首先,用全局K均值聚类法得到数据样本的聚类中心,然后对每一个聚类中心,利用群搜索优化器搜索出最佳的尺度和混合核调节参数,误差最小的参数组合即为径向基函数参数....     

局部子空间自适应核函数网络

针对目前单一整体核函数网络相对于原始空间特征局部分布缺乏自适应性以及网络规模巨大的不足,本文提出局部子空间自适应核函数网络解决思路。首先将原始空间的高维特征分成一系列低维子空间;然后针对不同子空间构造不同的核函数和核参数局部网络;最后综合所有子空间形成综合核函数网络。同时利用支持向量分布几何意义,选择边界向量代替原始训练样本,大大减少网络的复杂度。由于不同输入子空间构造的核函数以及网络规模相对于样本分布具有一定的自适应性,所以该方法相对于经典全局核函数网络可以得到更好的综合性能。对比实验结果表明本文提出的方法能够改进高维模式识别的性能,是一种值得实际应用推广的方法。     

基于修改核函数的RLS－SVM多用户检测算法

为了解决支持向量机算法在多用户检测中存在的模型复杂及产生的支持向量数目较多的问题,该文提出一种新的非线性多用户检测算法。该算法在第一次小样本训练时引入了遗忘因子,该因子使支持向量数减少了28％。在第一次训练后产生的支持向量的基础上,将黎曼几何结构引入到输入空间,利用黎曼几何结构将分类器中的核函数进行修改,在第二次训练中再次减少了支持向量数目。此方法在牺牲较少误比特率的基础上,简化了算法模型和降低计算复杂度。仿真实验表明,该算法抑制了多径引起的码间干扰,性能接近于最优多用户检测器。     

基于动词相似度的特征分类方法

本文提出了一种新的说话人特征分类方法,基于计算动词相似度理论,建立距离和趋势的评价模型,通过计算特征向量与k-means算法聚类所得的聚类中心的相似度矩阵,将说话人个性特征从MFCC特征域映射到说话人相似度属性空间中,形成新的特征向量集,这样,每个说话人的特征向量将被聚为在距离和变化趋势上最具相似性的k分类。之后,利用GMM模型在属性空间内进行联合概率分析、匹配,建立新的说话人识别系统。本文采用标准TIMIT语音库与NIST语音库在该识别系统中进行一系列实验,结果表明,该基于新的优化特征分类的识别系统,对比传统的说话人识别系统,在等错误率上有很好的提高。     

基于采样协方差矩阵的混合核SVM高效频谱感知

近年来随着盲检测算法的提出,越来越多的基于采样协方差矩阵的盲检测算法应用于频谱感知。针对其检测门限是近似值,检测性能会受到影响等问题,提出了基于采样协方差矩阵的混合核函数的支持向量机（support vector machine,SVM）高效频谱感知,通过感知信号采样协方差矩阵的最大最小特征值（maximum minimum eigenvalue,MME）和协方差绝对值（covariance absolute value,CAV）提取的统计量作为SVM的特征向量并训练其生成频谱感知的分类器,无需计算检测门限并且特征提取减少了样本集的大小。利用遗传算法（genetic algorithm,GA）优化混合核函数的SVM的参数。实验结果表明,该方法比MME算法和CAV算法的检测概率有所提高,并且比SVM减少了感知时间,具有良好的实用性。