基于模糊神经网络的模式识别技术研究

自动目标识别(Automatic Target Recognition,ATR)系统是现阶段和未来侦察装备系统的一个重要组成部分,如何提高图像目标识别速度和准确性是当前侦察系统急需解决的关键技术问题.本文尝试构建一种模糊双向联想记忆推理网络模型,并根据此网络模型设计了一个模式识别系统.     

基于模糊神经网络的目标识别研究

文中将模糊规则与神经网络相结合,提出一种新的基于模糊神经网络目标识别方法,实验证明这种网络结构巧妙地将模糊集理论和神经网络结合起来,充分利用了两者各自的优势,最终达到了对目标识别的效果.     

基于自适应模糊神经网络抗箔条干扰技术的研究

为了提高舰载雷达抗箔条干扰的性能,提出了一种基于自适应模糊神经网络的抗箔条干扰方法。利用自适应模糊神经网络的非线性映射和学习能力,在舰载雷达目标回波信号受到箔条回波的强干扰下,对雷达目标进行识别,从而得到目标信号。仿真结果表明,该方法能有效地抑制箔条回波信号,且效果较好。     

基于模糊神经网络的目标识别模型

目标识别是地空导弹武器系统决策糊技术的BP神经网络的目标识别模型.从传感器中提取目标特性,经过模型处理,可以较好地实现目标的类型识别.     

基于模糊神经网络的目标识别模型

目标识别是地空导弹武器系统决策中的关键技术。针对目标特性，提出了一种基于模糊技术的BP神经网络的目标识别模型。从传感器中提取目标特性，经过模型处理，可以较好地实现目标的类型识别。     

基于模糊神经网络的目标识别模型

目标识别是地空导弹武器系统决策中的关键技术．针对目标特性，提出了一种基于模糊技术的BP神经网络的目标识别模型．从传感器中提取目标特性，经过模型处理，可以较好地实现目标的类型识别．     

基于高斯模糊神经网络的多传感器目标识别系统

结合模糊推理和神经网络两种方法的优点,提出了基于高斯模糊神经网络的目标识别系统。通过对多传感器的目标特征的数据融合。实现目标类型的准确判断。仿真结果说明了该系统具有较高的目标识别率和较好的抗干扰能力。     

基于模糊神经网络的坦克目标识别

坦克是陆地战场上的主战武器之一,坦克目标识别是反装甲技术的基本前提,本文基于新型磁探测器对坦克目标磁场信号进行测量,结合运用模糊神经网络技术,对坦克目标进行模型化识别,并采用MATLAB的ANFIS工具箱进行测试与仿真,实现了对坦克和军用卡车的类别和运动方向的正确识别。     

基于模糊神经网络的空袭目标威胁评估

对空袭目标的各因素进行了分析, 提出了目标威胁值是目标攻击意图与目标攻击能力的有机结合的思想, 并将模糊理论与神经网络相结合, 建立了目标威胁评估的数学模型, 为进行有效的目标威胁评估提供了一条思路.     

基于模糊极小极大神经网络的雷达一维像识别

雷达目标一维距离像是随雷达姿态角变化的,但由于目标姿态变化的连续性及目标散射点分布的连续性,其一维距离像是一个随视角变化而逐渐演变的过程,它们应随姿态角的连续变化在特征空间中形成一条特征轨迹线.本文在基于线性内插神经网络对雷达一维距离像识别的基础上,改进了线性内插时特征轨迹线的形成方法.提出了一种基于模糊极小极大神经网络分类器的雷达目标一维距离像目标识别方法,利用模糊极小极大神经网络中的超方匣的并集来形成雷达目标特征轨迹线.进行了三类飞机目标的0～180°姿态角范围内一维距离像的分类实验研究,结果表明,用模糊极小极大神经网络分类器对雷达目标一维像分类有较高的分类准确率.     

一种遗传模糊神经网络算法及其在舰船声纳目标识别中的应用

针对常规模糊神经网络的不足之处,设计一种用遗传算法确定其网络权值和系统参数的算法,先确定编码,通过交叉、变异、定义适值函数等步骤实现.将该算法应用于舰船声纳目标识别实例之中,实验结果表明,经遗传算法的优化搜索,该算法比一般的模糊神经网络训练方法有更高的学习效率,具有实用意义.     

基于神经网络的坦克目标特征提取及分类方法研究

该文着重研究应用神经网络来进行毫米波探测器坦克目标特征提取与分类问题，提出了一种基于多层前馈神经网络的特征提取方法和一种基于Ｋｏｈｏｎｅｎ网络组的特征分类方法。并利用毫米波辐射计输出波形数据对本文提出的有关方法进行检验，结果表明本文提出的方法是切实可行的，其提取的特征具有良好的稳定性，且分类的精度很高。     

基于BP神经网络的雷达目标识别算法研究

雷达目标特性复杂多样,而且容易受到电磁、地物、天气等因素的干扰和影响,使其在距离、仰角、方位的测量精度降低,制约了雷达对目标的识别,BP(Back propagation)神经网络具有学习功能,能够十分有效的提高雷达识别系统的效率.     

基于模糊神经网络的自动驾驶仪故障诊断研究

根据导弹自动驾驶仪的组成结构、功能原理及维修专家的实际经验，结合模糊理论推理能力和神经网络学习的能力提出模糊神经网络故障诊断方法。该方法同时具备了模糊理论的处理不确定和不准确信息的能力和神经网络的自学习能力，有效地提高故障诊断的技术水平。最后结合某型导弹自动驾驶仪故障诊断特点，给出仿真试验，证明了该方法的有效性。     

基于BP神经网络的ARM目标识别模型研究

应用人工神经网络可以逼近任意非线性函数这一特性．从网络的逻辑结构、工作过程、学习方法等方面，构建与实现了基于BP神经网络的ARM目标识别方法。通过Matlab的Simlink进行仿真，仿真结果证明．模型能够比较准确地对ARM目标进行识别．符合防空作战的实际需要．同时也为防空指挥自动化提供支持。     

基于模糊神经网络的故障诊断新方法

一种基于模糊神经网络和D-S证据理论的故障诊断方法,从故障征兆空间提取信号,再将信息向子模糊神经网络分配;诊断模块中的子模糊神经网络为并联结构,分别从故障发生的不同侧面进行诊断;输出结果经归一化处理,满足基本可信度分配函数的条件。最后进行信息融合,即得到最终故障诊断结果。经算例证明,该方法可靠、有效。     

基于模糊神经网络的导弹故障诊断

将模糊神经网络应用于导弹的故障诊断。经过仿真试验发现，模糊神经网络可以充分利用专家知识的不确定性，而且诊断效果相当好。     

基于模糊神经网络的空袭兵器类型识别模型

针对防空作战中空袭兵器类型识别问题进行了研究，给出了空袭兵器的主要类型和主要识别因素以及识别因素的隶属函数，在此基础上建立了模糊神经网络模型。最后对模型进行了仿真实验，实验的计算结果表明模型的可行性和有效性。     

基于粗集-神经网络模型的目标识别方法研究

为了克服传统目标识别方法的缺点，建立了一种基于粗集理论和神经网络结合的粗集-神经网络模型．利用粗集对输入信息进行约简，剔除冗余信息，简化了生成规则和神经网络模型结构，提高了网络训练速度和运行速度，并通过仿真实验证明了该混合模型的可行性。     

基于粗集-神经网络模型的目标识别方法研究

为了克服传统目标识别方法的缺点，建立了一种基于粗集理论和神经网络结合的粗集-神经网络模型，利用粗集对输入信息进行约简，剔除冗余信息，简化了生成规则和神经网络模型结构，提高了网络训练速度和运行速度，并通过仿真实验，证明了该混合模型的可行性。