火灾探测的神经网络融合算法

本文提出了一种火灾控测的数据融合算法，采用神经网络进行数据融合予以实现，并利用MATLAB进行了仿真，验证了算法的可行性。     

可拓神经网络研究综述*

介绍了近年来可拓神经网络的发展,对可拓神经网络的基本思想、算法思路、应用研究进行了系统分析,并提出和分析了有待进一步研究的方向和问题。     

基于模糊神经网络的火灾探测算法的应用研究

本文根据当今火灾探测的现状和人们对火灾探测的要求,结合火灾探测的特点,主要提出将模糊神经网络应用于火灾探测中来降低火灾探测的误报率提高准确性和灵活性的思想,并详细介绍了模糊神经网络设计过程与结构。     

基于模糊神经网络的火灾传感器特征参数融合算法

针对现有火灾探测器误报率较高的现状,以CO浓度、烟雾、温度3种火灾特征参量为对象,研究了3种传感器特征参数的模糊神经网络融合决策算法,以模糊控制器为核心研制了复合火灾探测器.以木材阴燃火、棉绳阴燃火、聚氨酯明火、乙醇明火为模拟火灾火源进行了火灾探测响应实验,以香烟、打火机、暖风机、粉尘为干扰源进行了干扰验证实验,实验结果表明,在模拟火灾火源下,复合火焰探测器具有较高的探测精度及抗干扰性能,其中探测器漏报率为0,平均响应时间为20.06 s,误报率为0.3%.     

可拓检测的可拓变换机理

物元变换是可拓检测功能模型的环节之一,变换结果直接影响着能否解决不可测问题。基于可拓学解决矛盾问题的方法,利用相关物元在可拓检测中的重要作用,提出了对不可测物元实施的具体可拓变换方法,研究了可拓检测的可拓变换机理。     

基于可拓表征与神经网络的苗族图案设计

针对苗族图案的文化传承及设计应用问题,提出基于可拓表征和神经网络的民族图案创新设计方法,对苗族蜡染图案进行解构、映射和重构.首先对苗族蜡染图案进行可拓表征,运用发散树法构建设计生长阶段模型对苗族图案基元进行拓展分析.其次基于感性工学对苗族蜡染图案进行感性意象分析,提出一种面向图案构型、纹样语义和种类的图案解构方法,构建...     

可拓多过滤器融合方法

垃圾过滤问题备受研究人员的关注,已有方法通常都具有较低的误拒率,但同时误收率也较高.本文基于可拓学,提出了一种多过滤器融合方法.比较实验的结果表明,该方法的误拒率和误收率较其它方法都低.     

基于神经网络的火灾图像特征融合算法

针对传统火灾探测技术存在的不稳定、误判率高等缺点,着重分析了室内火灾图像与常见干扰光源图像的特点,提出用火焰区域面积变化、质心位置、尖角数、圆形度等信息作为火灾判据,并用模糊神经网络对以上特征参数进行数据融合,作出火灾判断。实验结果表明,基于模糊神经网络的信息融合算法能够有效识别出火灾火焰,提高了识别的准确率。     

基于遗传算法与可拓神经网络的故障诊断

可拓神经网络是基于可拓理论和神经网络而设计的一种新的方法,它即充分利用了可拓学定性描述和定量描述的优点,又考虑了神经网络并行结构的特点.它由输入和输出两层可拓神经元构成,在每个输入神经元和输出神经元之间有两个连接权值.然后利用遗传算法全局搜索能力,对建立的可拓神经网络的权值进行优化,在优化过程中利用可拓神经网络输出的正确次数与可拓神经网络输入的样本总数的比值作为适应度函数,染色体根据物元的节域进行实数编码,计算出的可拓距离的最大值对应的物元与样本一致时,输出正确次数累加一次.算法终止条件为误差值达到要求.最后利用该方法开发了励磁系统的故障诊断系统.并对可控硅的缺相故障进行了成功的诊断.试验结果证明,该方法比传统的神经网络具有速度快,准确度高的特点.     

可拓神经网络在变压器故障诊断中的应用

可拓神经网络是一类新的神经网络,它结合了可拓学理论和人工神经网络技术。可拓神经网络已经在模式识别、故障诊断、分类聚类等领域有了成功的应用。针对变压器故障诊断的特点,提出一种基于可拓神经网络的电力变压器故障诊断方法。介绍了可拓神经网络;构造了基于可拓神经网络的故障诊断模型和算法设计,并将其应用到电力变压器的诊断识别;通过仿真实验验证了该方法简单易行、训练误差小、收敛时间快等优点。该方法具有一定的应用及推广能力。     

基于卷积神经网络的多尺度Logo检测算法

针对自然场景图像中多尺度Logo的检测需求,提出了一种基于卷积神经网络的多尺度Logo检测算法。该算法基于两阶段目标检测的实现思路,通过构建特征金字塔并采取逐层预测的方式实现多尺度候选区域的生成,通过融合卷积神经网络中的多层特征图以增强特征的表达能力。在FlickrLogos-32数据集上的实验结果显示,相比基线方法,所提算法能够提升生成候选区域的召回率,并且在保证大中尺度 Logo 检测精度的前提下,提升小尺度Logo的检测性能,验证了所提算法的优越性。     

基于模糊神经网络算法的智能轮椅沿墙走行为研究

为了解决移动机器人在户外自主导航移动过程中的局部路径规划问题,提出了一种更为实用的模糊神经网络算法来进行局部路径规划。利用多个声纳和一个摄像头来采集外部环境信息,使智能轮椅在移动过程中可以得到较全面的外部环境信息,使用模糊神经网络算法来对得到的环境信息进行融合,应用的神经网络模型为Takagi-Sugeno(T-S)型,通过融合的结果来控制轮椅的沿墙走行为。通过计算机仿真和实验,验证了该方法的可行性和有效性,轮椅沿墙行走的路径得到了优化。     

基于神经网络的僵尸网络检测

目前主流的僵尸网络检测方法主要利用网络流量分析技术,这往往需要数据包的内部信息,或者依赖于外部系统提供的信息或僵尸主机的恶意行为,并且大多数方法不能自动存储僵尸网络的流量特征,不具有联想记忆功能.为此提出了一种基于BP神经网络的僵尸网络检测方法,通过大量的僵尸网络和正常流量样本训练BP神经网络分类器,使其学会辨认僵尸网络的流量,自动记忆僵尸流量特征,从而有效检测出被感染的主机.该神经网络分类器以主机对为分析对象,提取2个主机间通信的流量特征,将主机对的特征向量作为输入,有效地区分出正常主机和僵尸主机.实验表明,该方法的检测率达到99%,误报率在1%以下,具有良好的性能.     

基于神经网络的多传感器信息融合及其在机器人中的应用

多传感器信息融合即融合多个传感器提供的冗余、互补或更实时的信息,可以获得系统所需的更准确和更精确的信息。介绍了神经网络融合方法,探讨了信息融合技术在机器人方面的应用。机器人避障实验验证了所提方法的有效性。     

基于结构感知深度神经网络的显著性对象检测算法

由于现有的基于深度神经网络的显著性对象检测算法忽视了对象的结构信息,使得显著性图不能完整地覆盖整个对象区域,导致检测的准确率下降。针对此问题,提出一种结构感知的深度显著性对象检测算法。算法基于一种多流结构的深度神经网络,包括特征提取网络、对象骨架检测子网络、显著性对象检测子网络和跨任务连接部件四个部分。首先,在显著性对象子网络的训练和测试阶段,通过对象骨骼检测子网络学习对象的结构信息,并利用跨任务连接部件使得显著性对象检测子网络能自动编码对象骨骼子网络学习的信息,从而感知对象的整体结构,克服对象区域检测不完整问题;其次,为了进一步提高所提方法的准确率,利用全连接条件随机场对检测结果进行进一步的优化。在三个公共数据集上的实验结果表明,该算法在检测的准确率和运行效率上均优于现有存在的基于深度学习的算法,这也说明了在深度神经网络中考虑对象结构信息的捕获是有意义的,可以有助于提高模型准确率。     

基于BP神经网络的人脸检测AbaBoost算法

人脸检测在日常生产和应用非常重要。本文提出了一种基于BP神经网络的AdaBoost人脸检测算法。首先,使用BP神经网络代替YCbCr高斯模型建立肤色模型。同时,针对AdaBoost算法提出了一种新的权值更新方法。在权值更新中引入阈值与样本之间的距离。另外权重有一个边界值。最后,利用BP神经网络提取图像中的肤色候选区域,并采用改进的AdaBoost算法对图像中的人脸进行精确检测。实验结果表明,利用BP神经网络和改进的AdaBoost算法的新的解决方案比现有的方法具有更高的精度。     

基于卷积神经网络的视频流隐藏信息检测方法

为解决现有视频流隐藏信息检测中,人工检测特征设计难度不断加大的问题,提出一种基于卷积神经网络的视频流隐藏信息检测方法。在神经网络中构建残差学习单元,避免深层次卷积神经网络在训练时的梯度消失,利用深层神经网络自动从数据中挖掘检测特征,在此基础上引入量化截断操作,增加检测模型多样性,提升检测性能。使用FFmpeg与x264编码标准CIF序列生成的视频进行实验,实验结果表明,该方法相比现有方法具有更高的检测准确率。     

基于神经网络与模糊算法图像边缘检测方法*

针对传统图像边缘检测方法中出现毛边、噪边、边缘定位不精确等缺点,提出一种神经网络与模糊算法相结合的检测方法。根据图像特征,将图像分为高频和低频部分分别处理,高频部分适宜用双层网络结构,可以很好地减弱噪声;对于图像低频部分,将模糊理论引入到边缘检测中,能够检测出弱边。最后对检测出的两个图像边缘进行融合,实验结果证明得出的检测效果较好,比传统边缘检测算子所获结果有很大改善。     

基于可拓模糊层次分析的异构网络选择算法

针对目前异构网络选择算法在确定指标权重存在主观性的问题,提出基于可拓模糊层次分析的异构无线网络选择算法。该算法在分析不同业务类型对网络性能需求的基础上,结合可拓理论,将收集到的性能参数映射到性能标度区间中,通过网络物元模型的建立和相对隶属度的计算,构建了新的判决矩阵,利用模糊层次分析法计算网络性能参数的综合权重。最后,通过对相对隶属度的加权排序,得到最优接入网络。仿真实验证明:该方法能综合考虑不同用户的业务类型和网络的客观性能,提高了异构网络中多模终端选择网络的准确性和有效性。