基于神经网络的肺癌组织识别方法的研究

细胞识别是图像处理和模式识别领域的一个研究热点,有着十分广泛的应用前景。本文提出了基于模式神经网络算法FTART2的肺癌细胞识别方法,讨论了FTART2的网络结构、输入矢量的标准化及分类算。用513个样本对网络进行训练,再用716个样本组成测试集进行测试,实验结果表明：本文提出的基于FTART2的肺癌细胞分类器与基于标准BP的分类器相比,具有学习速度快、分类精度高的特点。     

形态、颜色特征及神经网络在肺癌细胞识别中的应用研究

通过形态、颜色的分析,对细胞图像进行形态特征和颜色特征的提取,在此基础上,用神经网络对细胞图像进行识别分类,实验结果表明,文中提出的方法可以取得很好的效果。     

基于神经网络的汽车牌照提取研究

汽车牌照的提取是牌照识别的前提,本文主要采用BP神经网络在灰度图像中提取汽车牌照。算法包括在个部分：神经网络的训练,图像的预处理,用训练出的神经网络来提取汽车牌照。     

基于仿生模式识别理论的高阶神经网络说话人识别方法

根据一种全新的仿生模式识别理论,提出了采用神经网络实现并完成说话人识别的新方法。该方法利用高阶神经网络形成的复杂包络在特征空间中构造不同说话人的覆盖区域达到识别目的。相关实验证明,这种新的说话人识别方法只要通过少量样本的训练即可达到比传统方法更高的识别率。     

基于量子神经网络的手写体数字识别方法研究

手写体数字识别问题是模式识别领域的一个重要研究课题.提出了一种基于多层激励函数的量子神经网络和多级分类器组合的手写体数字识别方法,采用MNIST数据库进行训练和测试.实验结果表明,该识别方法在识别率和可靠性方面均有很好的效果,同时也体现出量子神经网络用于模式识别的优越性和潜力.     

基于细胞神经网络刀具磨损图像处理的研究

本文提出了一种基于细胞神经网络的刀具磨损图像处理方法．通过设计细胞神经网络参数，运用细胞神经网络对刀具的二值图像平滑滤波，边缘提取．通过仿真证明该方法是有效的，由于细胞神经网络易于用VLSI实现并且并行处理速度快，因此应用于刀具的磨损状态机器视觉检测中的图像处理是很有用的。     

基于神经网络的网络验证码识别研究

本文首先介绍了神经网络的基本思想,提出了一种基于神经网络的网络验证码的识别方法,并利用开源的神经网络包JOONE用Java技术实现了验证码识别软件。最后通过训练样本对其进行了实验分析,取得了较高的识别率。     

基于神经网络的网络验证码识别的研究

本文首先介绍了神经网络的基本思想，提出了一种基于神经网络的网络验证码的识别方法，并利用开源的神经网络包JOONE用JAVA技术实现了验证码识别软件.最后通过训练样本对其进行了实验分析,取得了较高的识别率.     

基于神经网络数字识别方法的研究

针对无指针式仪表表盘的数字识别问题,提出一种基于特征提取和粗糙集特征约简的神经网络数字识别方法;该方法首先利用数字图像预处理技术处理图像并利用特征提取方法提取数字图像特征,然后利用粗糙集理论进行特征约简,最后将约简后的信息输入到训练好的神经网络进行识别;实验表明,相对于传统方法,该方法具有识别率高、速度快的特点,具有较高的实用价值;并且该方法在保留神经网络高鲁棒性的同时,为快速准确地进行数字识别开辟了新的途径。     

肺癌分类识别中的神经网络集成技术研究

This paper describes a neural network ensemble method in lung cancer cell identification process. A neural network ensemble algorithm LCNE based on image feature extraction is proposed. Firstly, LCNE algorithm trains different neural network classifiers designed for shape and color features individually. Then, using neural network en-semble method, the final lung cancer cell identification results can be achieved. On the basis of LCNE algorithm, weimplement a lunu cancer cell identification system LCDS successfully.     

语音识别中基于神经网络的矢量量化方法

本文对神经网络语音识别中的语音特征提取、网络结构以及学习算法进行了初步的研究,提出了一种用于时特征矢量量化的简化和改进的自组织神经网络模型ＶＱＮＮ。ＶＱＮＮ中引入了动态规划法估计语音样本矢量的码本类中心初值并确定网络的初始权矩阵,可构造出２５６个量化等级的码本矢量。该方法具有较强的鲁棒性且矢量量化过程简单迅速。对２８个地名的语音量化识别实验结果表明了这种量化方法对时识别的有性。     

多层前馈模糊神经网络进行图像识别

神经网络和模糊技术在模式识别领域中已有了广泛应用,两者有着各自的优势。针对神经网络模式识别中所遇到的问题,为了进一步提高分类器在样本分布不清晰情况下的识别能力,本文提出了两各将模糊机制引入神经网络的方法－输入模糊化方法和隐层模糊化方法,并在此基础上分别构造了模糊神经网络。实验结果表明,模糊神经网络较好地结合了神经网络和模糊技术的优点,取得了比传统网络更好的识别结果。     

四元数神经网络模型：彩色图象的识别

本文首次把四元数引入到神经网络中，提出了四元数１６态离散神经网络模型，应用信噪比理论和计算机模拟考察了该模型的存储稳定性和存储容量，该模型的存储容量比与Ｈｏｐｆｉｅｌｄ模型相同，该四元数神经网络模型可应用于１６色的彩色图象识别中。     

基于神经网络集成的手写识别系统

在研究基于隐马尔可夫模型的识别器和基于距离分类器的识别器的识别结果基础上,提出两种基于集成神经网络的手写识别系统:比较神经网络识别系统和全排列神经网络识别系统.实验分析表明,该系统对西文手写体的识别率最高可达到99%,比单独使用原始识别器的识别率提高10个百分点,达到了良好的识别效果.     

基于Kohonen神经网络的分形图像编码

本文提出利用Kohonen自组织神经网络把母块分类与特征抽取结合起来有助于改善分形编码的时间。因为特征抽取减少了问题的维数并且使网络能够在一幅和实验图像分离的图像上得到训练。自组织网络为分类引入了一个领域拓扑结构，并且不需要事先指定一组适当的图像类。网络按照在训练期间观测的图像特征的分布来组织自己。结果表明，该分类方法可以将编码时间减少两个数量级并保持可观的精度和压缩性能。     

模糊神经网络在条形码识别中的应用

本文把模糊集合论的知识应用于自组织神经网络,提出一个模糊神经网络算法。新算法克服了一般神经网络方法共同面临的学习时间长、对网络参数敏感的弱点,广泛适用于一般的模式识别问题。对条形码识别问题的应用情况表明,新算法无论在网络学习的速度上还是在识别结果上都优于Ｋｏｈｏｎｅｎ的自组织神经网络方法。     

一种基于神经网络的沉积相识别方法

将人工神经网络(ANN)模式识别技术应用于对测井曲线进行单井划相,加快了划相速度,大大提高了工作效率.根据某地区的河流微相特征标志,给出了一种基于神经网络的沉积相识别方法.神经网络采用带有动量项和自适应学习率的反向传播算法(BP)进行训练.     

模糊ART神经网络模型及其在图像识别中的应用

提出了采用低通过率波、去最小亮度和向量柱状图来提取人脸特征的方法,设计了模糊ART神经网络的结构、学习规则和识别算法,并采用模糊ART神经网络对向量柱状图生成的特征向量进行识别。仿真实验证明,通过调整神经网络的警戒参数值,不同的人具有不同的最大在线识别率,所有人平均的在线最大识别率可以达到89％。     

基于神经网络和小波分析的血细胞识别算法

结合小波变换时频局部化特性和神经网络的优势,提出了一种基于神经网络和小波分析的血细胞识别算法.首先对血细胞信号进行小波分解,然后利用小波分解系数重构信号的能量,结合时域特征参数构造特征向量作为神经网络的输入,最后建立神经网络模型进行训练.通过实验分析了不同条件下的信号识别情况,并与传统的识别算法作了比较,结果表明算法具有较强的血细胞识别能力,与传统的识别算法相比,识别准确度更高.     

智能神经网络组成原理在汉字识别中的应用

应用智能神经网络组成原理，研究了将传统神经网络完成的复杂任务划分为子任务，分配给功能专一，结构简单的较小的智能神经网络完成，在此基础上，构筑功能完善的较大的智能神经网络的方法。同时，通过加入推理规则，提高了网络获得取知识的速度，实验表明，智能神经网络组成原理为解决大规模，复杂的问题提供了一种有效途径。