周期紧支撑径向基函数对BEMD的优化

该文提出了一种优化二维经验模式分解 (Bidimensional Empirical Mode Decomposition, BEMD)的方法。周期紧支撑径向基函数满足不同程度光滑性,能够容忍数据点集不规则性,避免出现上冲现象,而且大大减少了计算量和存储量,特别是能够消除Gibbs现象,抑制边界效应。实验证实本文提出的利用周期紧支撑径向基函数改进BEMD方法,能够获得较好的BEMD分解结果。     

基于紧支径向基函数内插的图像修复算法

该文提出一种基于紧支径向基函数插值的图像修复算法,该算法将图像看成残缺的三维散乱点集,将图像修复问题转化为三维数据的曲面重建问题。采用径向基函数曲面重建的方法构造出逼近三维点集的隐函数曲面,实现对残缺部分的插值,并对重构曲面采样得到残缺部分的像素值。紧支径向基函数可使求解权系数的线性系统的系数矩阵具有稀疏带状结构,从而降低算法的复杂度。实验结果表明,该算法是一种实用对图像修复算法,可得到良好的修复效果。     

边界模糊图像的径向基函数神经网络分割方法研究

边界模糊图像不同区域之间没有明确的分界,用传统的图像分割方法难以得到很好的分割结果。本文研究了径向基函数网络的工作实质及其用于图像分割的机理,分析了径向基函数神经网络的特点,针对边界模糊图像,应用不同结构的径向基函数神经网络对其进行图像分割,验证了径向基函数网络用于图像分割的有效性以及算法速度上的优越性。     

基于紧支撑径向基函数与共轭梯度法的大规模散乱数据快速曲面插值

该文提出一种快速大规模散乱数据的曲面插值算法。在此算法中,首先采用紧支撑径向基函数(CSRBF)作为插值基函数,采用CSRBF的优点是保证构成的系数方程组是对称正定而且系数是稀疏的。这样可保证系数方程组一定可解而且可以减少内存的开销。其次采用共轭梯度法求解大规模系数方程组。该算法在系数方程组的系数矩阵A:NN是对称正定的情况下,最多迭代N步就可以求得方程组的解,实验结果表明该算法的快速性,特别适合大规模散乱数据的曲面的插值。     

基于径向基函数神经网络的内模控制

文章用径向基神经网络设计内模控制系统,径向基神经网络是通过调整隐层与输出层间的连接权系数来逼近函数,如果隐层神经元数目过少,难免会出现收敛时间长,控制质量差,甚至发散的现象。为此,本文提出了增加调整基函数形状参数和中心向量的方法予以避免,并证明了网络不同调整参量收敛于目标函数极小点的性质。     

Plateaued函数谱支撑集的性质

本文对Plateaued函数的谱支撑集的结构与性质进行了深入研究,给出了r阶Plateaued函数的全体非0谱值点集合与线性结构集的维数之间的关系.利用谱指标对2阶Plateaued函数和4阶Plateaued函数的自相关性进行了详细分析,给出了其自相关系数的分布.分析了r阶Plateaued函数的谱支撑集和零谱值点集的结构特征,给出了多个r阶Plateaued函数的谱支撑集在不相交时自相关系数之间的关系以及谱支撑集与函数平衡性的关系.     

径向基函数网络在陕西省人口预测中的应用

人口预测是根据过去人口数据总结人口变化规律,并利用这个规律对未来人口进行预测.神经网络对复杂非线性系统具有曲线拟合能力,能够较好地完成这种预测任务.采用Matlab的神经网络工具箱函数建立神经网络预测模型,编程简单;还能克服常规语言建立预测模型存在的模型结构复杂、训练时间长等缺点.本文通过编程实现了RBF（Radial BasisFunction）神经网络的建立、学习和训练.然后,利用RBF神经网络预测模型对陕西省1970～2004年人口实际数据进行非线性曲线拟合分析和进一步预测,预测最大误差为0.025 5%,算例证明了该方法的实用性和有效性.     

径向基函数插值互相关光流算法粒子图像测速技术

互相关光流混合算法是目前粒子图像测速的主流算法,但是重建速度场精度不高。利用高斯径向基函数插值替换互相关光流混合算法中的双三次插值,减小了重建角度误差。进行朗肯涡流仿真实验,使用高斯径向基函数插值混合算法进行粒子速度场重建,其均方根误差和平均角度误差比传统混合算法分别降低了27.36%和38.32%,并分析了位移和粒径大小对重建误差的影响。搭建了二维粒子图像测速技术（PIV）实验系统,采用粒径为100μm的聚酰胺粒子作为示踪粒子,进行旋转实验和注水实验,分别模拟涡流场和射流场。采用高斯径向基函数插值混合算法进行速度场重建,可以获得与传统混合算法相近的粒子速度场。     

基于径向基函数神经网络的铁路路径规划

通过合理路径规划实现高速铁路能量效率的优化是铁路运行中的重要研究内容。本文引入资格迹(eligibility trace)改进径向基函数(RBF)神经网络。在此基础上,使用改良的径向基函数(RBF)神经网络实现列车在复杂情况下的路径规划。     

二维DCT的基图像及其绘制

基图像是图像正交变换中比较重要的概念，但目前的文献对基图像的解释不够清楚，对基图像的绘制也没有提及。以二维DCT为例对基图像的概念和意义进行了详细地阐述；分析、解释了基图像的绘制原理，提出了一种用Matlab绘制二维DCT基图像的简便方法，该方法也适用于绘制其他正交变换的基图像。     

基于有限状态径向基函数网络的汉语语音识别研究

本文提出了有限状态径向基函数网络结构，它可用Ｋ－均值聚类算法和最小二乘算法分层独立训练，训练速度快。通过汉语语音识别实验，研究了ＦＳＲＢＦ网及子网的特性。结果表明，ＦＳＲＢＦ结构很适于处理时序信息，易于推广到其他识别单元的系统中。     

基于径向基神经网络的波束优化方法

针对不规则结构阵列的波束图容易出现旁瓣升高的问题,该文提出了一种基于径向基神经网络(RBFNN)的波束设计方法。该方法根据Olen波束形成中阵元位置和阵列加权向量之间的非线性关系,利用径向基神经网络输入和输出之间的非线性映射特性,以任意结构阵列的实际阵元位置为基准,构造带有误差的阵元位置样本集。之后利用Olen法计算阵列加权向量并进行波束形成,当波束图满足设计要求时,记录对应的位置和阵列加权向量作为径向基神经网络训练数据的输入样本和输出样本,并使用训练后的网络得到实际阵列的加权向量。最后,对直线阵、弧形阵、随机环形阵进行了波束优化设计,结果这几种阵形的波束都可以满足设计要求,证明了所提方法的有效性。     

波导本征问题分析的径向基函数方法

 针对网格方法分析波导本征问题时常面临剖分和近似精度低的问题,论文将基于配点原理的径向基函数无网格方法引入进来.给出径向基函数法求解本征值问题的方法、实施步骤和相应的离散方程形式.以矩形、圆形和L形波导的本征分析为例,通过与有限元法比较,反映该方法具有计算量小和精度高的优势,另外,它实施方便并易于推广到高维问题中.     

Modelling of the Linewidth Enhancement Factor with the Use of Radial Basis Function Network

A different method based on the use of radial basis function network for modelling the linewidth enhancement factor of laser diodes is presented. The learning is achieved using a clustering algorithmfor determining the cluster centres and the extended delta-bar-delta algorithm. The linewidth enhancement factor results presented in this article arein very good agreement with the experimental findings reported elsewhere.     

Study of recognition technique of radar target’s one-dimensional images based on Radial Basis Function Network

This paper studies the problem applying Radial Basis Function Network(RBFN) which is trained by the Recursive Least Square Algorithm(RLSA) to the recognition of one dimensional images of radar targets. The equivalence between the RBFN and the estimate of Parzen window probabilistic density is proved. It is pointed out that the I/O functions in RBFN hidden units can be generalized to general Parzen window probabilistic kernel function or potential function, too. This paper discusses the effects of the shape parameter α in the RBFN and the forgotten factor λ in RLSA on the results of the recognition of three kinds of kernel function such as Gaussian, triangle, double-exponential, at the same time, also discusses the relationship between λ and the training time in the RBFN. Supported by the National Natural Science Foundation and the Doctoral Foundation of the State Education Commission of China.     

径向基函数神经网络的软竞争学习算法

本文构造了径向基函数(RBF)神经网络的一类软竞争学习算法(SCLA).该算法的主要思想是首先在高斯基函数中心向量的训练过程中引入了隶属度函数,对每个输入样本,所有中心向量根据该样本属于其代表的类的隶属度值的大小进行自适应地调整;第二,把隶属度函数的模糊因子的倒数与模拟退火算法中的温度等同起来,在迭代过程中采用递增的方式来调整它.SCLA是RBF网络基于k-均值方法训练中心向量的学习算法的软竞争格式,它可以克服后者对初始值敏感和死节点的问题.仿真实验论证了SCLA是有效的.     

一种新型径向基函数神经网络的非线性系统逼近

讨论了一种新的、正弦型径向基函数(SRBF)神经网络，并用来逼近n堆连续函数。该SRBF所采用的n堆正弦型的基函数是光滑的,并且是致密的。该SRBF网络的权因子是输入的低阶多项式函数。本文给出的一种简单计算程序，显著地降低了网络训练和计算时间。并且由于SRBF的基函数可以非均匀的量化格点为中心。因而降低了网络所需存储的样本数，网络的输出及其一阶导数都是连续的。对于非线性系统。该SRBF网络在系统定义城内的逼近是精确的。并且在存储参数的个数上是最优的。通过实例仿真，证明该方法步骤简单,训练速度快，精度也很理想。     

径向基函数神经网络的分类机理

本文研究了径向基函数网络（ＲＢＦＮ）的分类机理问题。在Ｒｕｃｋ工作的基础上，通过与传统的基于Ｐａｒｚｅｎ窗估计核分类器做类比，本文从模式分类机理入手，分析了ＲＢＦＮ使用正、负两类训练样本来估计判别函数的特点，指出它优于核分类器，并讨论了相应情况下ＲＢＦＮ输出层连接权、模式分类判决域的特点。最后用多类模式分类的结果对上述理论进行了验证。     

面向癫痫脑电图信号识别的径向基最小最大概率分类树

脑电图(EEG)信号检测和识别是癫痫病的重要诊断手段。径向基函数神经网络具有出色的逼近能力和泛化性能,能直接识别出不同状态的脑电信号,但其透明性和可解释性差,忽视了不同类别数据间可分性的不同。对此,该文提出一种基于径向基函数神经网络和最小最大概率决策技术的分类树,采用一对一策略和排除法,更多考虑了类间可分性的不同。针对脑电信号识别的实验表明,所提方法结构清晰,分类能力强,可解释性更好。