织物表面折皱的小波分析与自组织神经网络等级评定

为了提取较为精细的图像信息，引入了多尺度2维小波分析织物的表面折皱。织物图像首先经过高斯滤波，再利用小波变换分解并从中提取高频信息，然后结合4种表征织物折皱的特征参数，计算不同折皱等级模板的特征值，通过分析特征值与折皱等级的相关系数，表明这4种特征参数可以作为模式识别的输入量；最后采用Kohonen自组织神经网络客观评定织物的折皱等级，自组织神经网络将不同等级的织物折皱模板进行分类，并以此为依据，确定26种不同织物类型的折皱等级。为了定量描述评定结果，通过计算客观评定与主观评定结果的相关系数，验证该方法的可行性。     

利用减法聚类的自适应模糊神经网络客观评定织物起皱等级

本文提出一种基于减法聚类的自适应模糊神经网络,用于织物起皱等级评定。首先利用减法聚类方法确定模糊神经网络的结构,再结合模糊推理系统进行模式识别,并详细介绍其基本原理和学习算法,最后引入四种起皱特征参数对真实织物进行验证,实验表明该方法是有效、可行的。     

基于熵的自组织神经网络树

神经网络由于优越的学习和分类能力已被用于许多模式识别的问题,并取得了很好的结果。但是对于识别大样本集和复杂模式的问题,绝大多数常规的神经网络在决定网络的结构和规模以及应付庞大的计算量等方面有着种种困难。为了克服这些困难,文中提出一种基于条件类别熵的结构自适应的神经网络树;这种神经网络树由具有拓扑有序特性的子网络组成,而树的规模由条件类别熵决定。它的主要优点是对于识别大样本集和复杂模式的问题能够通过结构自适应自动地确定网络的结构和规模。实验显示这种神经网络树对于识别大样本集和复杂模式是非常有效的。     

自组织过程神经网络及其应用研究

针对与时间过程有关的模式分类问题，提出了一种自组织过程神经元网络模型．网络由输入层和竞争层组成，其输入和连接权可为与时间有关的函数，输入层结点与竞争层结点实行全互连接．网络提取输入函数所隐含的过程式模式特征，并对其进行自组织，在竞争层将分类结果表现出来．为简化计算，在输入空间中引入函数正交基，将输入函数和网络权函数表示为正交基的展开形式，利用基函数的正交性，使网络权函数的调整非时变化．给出了竞争学习和有教师示教两种学习算法，并以石油地质中沉积微相识别问题为例证明了模型和算法的有效性．     

自组织特征映射神经网络——用于茶叶分类

介绍了自组织特征映射神经网络的结构和算法 ,将其用于中国茶叶的分类 ,并和传统方法进行了比较。认为组织特征映射神经网络优于传统方法。     

结构自适应的半监督自组织过程神经网络

针对时域空间中模式识别、聚类分析和未标记样本的有效利用问题,提出一种基于半监督学习的网络结构自适应的二维自组织过程神经网络模型和算法。通过构建可度量时变样本间相似性的广义Fréchet距离,利用部分已标记动态样本的类别信息和过程特征,采用奖励-惩罚更新规则,根据网络学习目标函数,对网络二维平面竞争层节点进行动态拆分或合并,实现网络结构的自适应调整和样本的有效聚类。仿真实验结果验证了模型和算法的有效性。     

地物波谱的自组织神经网络分类

地物反射波谱是遥感技术中的核心，由于测量环境，条件等差异使得实际测量值的分类与期望之间存在很大差异，带来应用困难。本应用自组织神经网络对测量样本值进行非监督分类，得到由测量数据值本身特征而产生的类别，与期望类别作比较，分析差异原因，最后为测量值提出科学的应用方法。     

一种神经网络自组织模糊控制*

本文提出一类基于神经网络的模糊控制。首先，它利用具有动态结构的ＢＰ网络进行模糊推理，实现模糊控制的最优推理过程。其次，它采用另一具有动态结构的ＢＰ网络校正现有的控制规则，实现规则自组织，在控制过程中不断优化控制性能，从而使控制的效果更加理想。     

基于自组织神经网络在油气分层中的研究

测井曲线的分层研究是勘探和开发油气资源的重要手段,也是认识油气层的地质面貌,以及剖析油气藏量内在规律的一种有力武器.该文介绍了一种基于自组织神经网络对测井曲线进行聚类自动分层的识别方法,它是一种通过网络自身的调节,从而对输入数据进行聚类的方法.该文采用某地区的油气层数据来建立网络模型,首先采用了插值的方法,消除该测井数...     

自组织神经网络在模糊聚类中的应用研究

聚类是按照事物的某些属性，把事物分类，使类间的相似性尽量小，类内的相似性尽量大。将事物通过适当聚类，才能便于研究事物的内部规律，但客观世界中存在着大量界线不分明的问题，研究模糊聚类的方法正是为了解决这类问题。在对常规模糊聚类方法分析的基础上，提出了一种将自组织竞争神经网络技术运用于模糊聚类的一种方法，并以100种动物分类为例，进行了模拟试验，仿真结果证明这种方法进行模糊聚类的思想正确，方法可行，效果较好。     

基于模糊C均值聚类的织物平整度等级评定

采用模糊C均值聚类客观评定织物平整度等级。首先介绍了模糊C均值聚类的基本原理,模糊聚类可以将输入特征值进行聚类并分组;然后利用模糊C均值聚类对输入特征值进行聚类分析,不同平整度等级的织物模板被分属于不同的模糊聚类中心;最后选取26种不同类型的织物样本进行测试,试验结果表明,客观评价与主观评价的相关系数达到97．38％,评定准确率超过90％。     

基于Kohonen神经网络的地图自动输入技术

本文介绍一种利用神经网络对彩色地图进行识别,从而自动建立地图数据库的方法,首先采集样本对Kohonen神经网络进行训练,然后通过神经网络对地图中的道路进行识别和抽取,再利用去噪算法进行去噪,最后进行城市识别和矢量化,得到地图数据库,文中给出了实验结果。     

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。     

基于自组织特征映射神经网络的医学图像分割技术

采用一维自组织特征映射神经网络对医学图像进行聚类分析,实现对不同组织的自动分割.避免了直接使用灰度门限分割方法由于门限值选择不当所导致的分割结果有失准确性的缺点.试验结果表明,利用该方法能够较好地保证分割结果的准确性和完整性.     

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.     

MCM划分的自组织神经网络

本文在提出一个直接和间接相联模块间相似性的表示方法的基础上，提出了一个基于自组织神经网络的性能驱动ＭＣＭ划分的神经学习方法。算法求解如何在高层设计中将功能模块分配到ＭＣＭ芯片中。算法不仅考虑了模块间的相似关系，还考虑了ＭＣＭ的版图结构；具有芯片间连线数目最少和时钟周期最短双重优化目标；能使连线尽量产生在相邻近的芯片之间；能满足时延、散热和面积约束。文中还提出了一个层次神经网络模型和面积约束下的ＭＣ     

基于神经网络集成的多视角人脸识别

人脸在图像深度方向上发生偏转时,即使同一对象的人脸图像也会发生极大的变化。在此,将神经网络集成应用于多视角人脸识别,所用的人脸特征通过多视角特征脸分析获得。为每一视角的特征空间各训练一个神经网络,并利用另一个神经网络对其进行结合。利用训练好的神经网络集成进行识别时不仅不需进行偏转角度估计预处理,而且还可以在给出识别结果的同时给出角度估计信息。实验结果表明,该方法的识别精度高于根据精确的偏转角度估计信息挑选最佳单一神经网络所能达到的效果。     

基于Kohonen神经网的TSP问题求解

本文研究了利用Ｋｏｈｏｎｅｎ神经网求解ＴＳ问题。对于两个或两个以上的城市映射到同一个输节点提出了两种解决方法，并研究了输出节点规模、迭代次数对求解ＴＳＰ问题的影响，计算机模拟结果表明利用Ｋｏｈｏｎｅｎ神经网能够较快地获得ＴＳＰ问题的近拟解。     

基于布尔神经网络的瓷砖表面缺陷检测

本文在二进布尔神经网络基础上,推广得出连续特征值的布尔神经网络,扩大了布尔神经网络的应用范围,由于内部运算的布尔特性,与传统的神经网络相比,学习与分类的速度大为提高,并且各节点具有较为明确的物理意义,具有潜在的工程实用价值,该方法成功用于瓷砖表面缺陷检测,结果令人满意。     

基于BP神经网络的人脸识别方法

人脸自动识别是计算机模式识别领域的一个活跃课题,有着十分广泛的应用前景。文中提出了基于ＢＰ神经网络的人脸识别方法,论述了人脸图像矢量的特征压缩问题、网络隐含层神经元数选取问题、网络输入矢量的标准化处理问题以及网络连接权值选取问题。对于１８人、每人１２幅图像组成的脸图像数据库做识别实验,实验结果表明文中所设计的神经网络分类器比常用的最近邻分类器有效地降低了识别错误率。