基于自组织特征映射神经网络的矢量量化

近年来,许多学者已经成功地将Ｋｏｈｏｎｅｎ的自组织特征映射（ＳＯＦＭ）神经网络应用于矢量量化（ＶＱ）图象压缩编码,相对于传统的ＫＬＢＧ算法,基于的ＳＯＦＭ算法的两个主要缺点是计算量大和生成的码书性能较差因此为了改善码书性能,对基本的ＳＯＦＭ算法的权值调整方法作了一些改进,同时为了降低计算量,又在决定获得胜神经元的过程中,采用快速搜索算法,在将改进的算法用于矢量量化码书设计后,并把生成的码书用于图象     

基于自组织特征映射神经网络的图像压缩

简要介绍了基于自组织特征映射(SOFM)神经网络的图像压缩的传统算法。通过对传统方法的优缺点分析，提出了一种新的简单的矢量量化压缩方法。新算法采用分类码书设计和残留编码，大大提高了图像的客观指标和主观视觉效果。实验表明此方法明显优于传统的SOFM算法，而且易于硬件实现。     

应用自组织特征映射神经网络技术实现分布式入侵检测

文中描述了一种应用自组织特征映射神经网络技术构建的分布式入侵检测系统模型，介绍了自组织特征映射神经网络的学习算法、训练过程以及在线检测流程，具有良好的自组织、自适应的能力，为网络安全运行提供了一种入侵检测手段。     

自组织映射神经网络在入侵检测中的应用

提出了一种基于SOM神经网络的入侵检测方法。该方法采用有标签的数据训练SOM神经网络,然后根据训练的结果标记正常数据和异常数据聚类的神经元。检测时则根据被检测数据的最佳匹配神经元的标签判断攻击是否发生。为验证检测的有效性,采用KDD cup99的训练集与测试集,将基于SOM的检测方法与基于SVM的检测方法的检测效果做了对比。实验结果表明：基于SOM的入侵检测方法具有检测率高、训练时间短和通用性强等特点。     

基于模糊自组织映射神经网络的故障诊断方法

在研究Kohonen自组织映射网络理论的基础上运用模糊理论方法建立了刹车系统模糊故障诊断模型。该模型只需选择足够的具有代表性的故障样本训练神经网络，将代表故障的信息输入给训练好的神经网络，根据神经网络的输出结果，就可以判断发生故障的类型。该模型除能识别已训练过的故障，还能识别未训练过的故障，并且聚类能力强、速度快，因此很符合复杂系统的故障诊断。     

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。     

自组织特征映射网络在故障诊断中的应用

运用自组织特征映射神经网络的工作原理和具体实现算法进行故障诊断分析,在对已有神经网络聚类分析方法概括和总结的基础上,结合实验数据、仿真数据对自组织特征映射算法故障模型诊断进行研究,得出了有意义的结论.     

自组织特征映射神经网络的改进及应用研究

为了提高自组织特征映射(SOM)神经网络学习速度及分类精度,对初始连接权值及竞争层神经元数的确定方法进行改进。提出用聚类方法确定初始权值的新方法,还提出了采用聚类数与邻域之和确定竞争层神经元数的方法,并给出了改进后的SOM分类算法。将改进的SOM网络用于储粮害虫分类,采用留一方法进行分类验证实验。仿真结果表明,改进后的SOM网络在学习速度和分类精度方面都有明显提高,证明了该方法的有效性。     

自组织特征映射网络在建筑工程分类中的应用

针对传统建筑工程造价估算方法耗时量大、计算繁琐、误差频出的问题,提出了一种用自组织特征映射(SOFM)网络对建筑工程量样本量化后的值进行聚类的方法。该方法不需要手动标识训练数据集就可以实现不同类型的建筑样本自动分类,有助于提高传统建筑工程造价估算的效率。最后,通过实例验证了该方法的实用性和有效性。实验结果表明,改进的方法用于建筑工程造价估算较传统方法而言具有更高的准确率和更低的误报率。     

自组织特征映射网络在舌边数据分类中的应用

尝试利用自组织特征映射网络较强的聚类功能对分割出的舌体边缘进行分类。通过实验证明它能很好的将舌边数据分成舌根、舌尖、舌左、舌右四类点,达到预定目标。     

Self-Organizing Maps and Learning Vector Quantization for Feature Sequences

The Self-Organizing Map (SOM) and Learning Vector Quantization (LVQ) algorithms are constructed in this work for variable-length and warped feature sequences. The novelty is to associate an entire feature vector sequence, instead of a single feature vector, as a model with each SOM node. Dynamic time warping is used to obtain time-normalized distances between sequences with different lengths. Starting with random initialization, ordered feature sequence maps then ensue, and Learning Vector Quantization can be used to fine tune the prototype sequences for optimal class separation. The resulting SOM models, the prototype sequences, can then be used for the recognition as well as synthesis of patterns. Good results have been obtained in speaker-independent speech recognition.     

Face Matching in Large Database by Self-Organizing Maps

A novel self-organizing map (SOM) based retrieval system is proposed for performing face matching in large database. The proposed system provides a small subset of faces that are most similar to a given query face, from which user can easily verify the matched images. The architecture of the proposed system consists of two major parts. First, the system provides a generalized integration of multiple feature-sets using multiple self-organizing maps. Multiple feature-sets are obtained from different feature extraction methods like Gabor filter, Local Autocorrelation Coefficients, etc. In this platform, multiple facial features are integrated to form a compressed feature vector without concerning scaling and length of individual feature set. Second, an SOM is trained to organize all the face images in a database through using the compressed feature vector. Using the organized map, similar faces to a query can be efficiently identified. Furthermore, the system includes a relevance feedback to enhance the face retrieval performance. The proposed method is computationally efficient. Comparative results show that the proposed approach is promising for identifying face in a given large image database.     

一种基于参考点方向的指纹极坐标匹配算法

指纹匹配是实现指纹识别的重要环节,提高识别率并减少算法复杂度是指纹匹配的核心问题。本文针对现有指纹识别系统荐在的参考点定位复杂、准确度不够高、适应性不够强等问题,提出了一种利用指纹的方向图和指纹纹线特征相结合确定参考点的方法,并通过调整极角进行基于极坐标的点点匹配,显著提高了指纹匹配的速度和精度。实验结果表明,该算法复杂度低、鲁棒性好、识别率较高,有较强的实用性。     

三维重建指纹特征提取分析的刑事案件数字化侦破

本文在二维指纹识别技术的基础上,结合多目摄像头数据模型进行指纹采集的三维重建。采用指纹特征点坐标场和方向场进行表征,利用二维指纹特征点的空间映射来获得三维指纹特征点空间特征坐标,由局部四邻域法计算坐标方向场,在指纹匹配中,基于双参考点法进行指纹的空间特征点对齐,由欧氏距离和方向夹角进行特征点配对。实验结果表明,本文提出的指纹三维重建技术以及指纹特征点的提取和匹配,能够最大限度获取三维指纹特征信息,保证指纹特征识别精度,为刑事案件侦破提供有力的技术支持。     

一种基于点模式的指纹分阶段匹配算法的研究

介绍了一个指纹中心点定位(Core)以及用中心点为中心构造特征向量进行初匹配,并且以此作为最佳匹配参考点来进行二次匹配的算法。本算法的特点:1.介绍指纹中心点的准确定位。2.以中心点作为最佳匹配参考点将匹配分为两步进行:初匹配利用了细节点间的结构关系,克服了图像的平移和旋转的影响;二次匹配引用了界限盒思想,增强指纹匹配算法对形变的适应能力。本算法把点模式的优点和基于结构的特征点之间的相对距离不变性、所跨越纹线数目的不变性、特征点类型的不变性很好结合起来。实验结果显示本算法具有较强的适应性和较高的拒识率。     

一种基于点模式的指纹分阶段匹配算法的研究

介绍了一个指纹中心点定位（Core）以及用中心点为中心构造特征向量进行初匹配，并且以此作为最佳匹配参考点来进行二次匹配的算法。本算法的特点：1．介绍指纹中心点的准确定位。2．以中心点作为最佳匹配参考点将匹配分为两步进行：初匹配利用了细节点间的结构关系，克服了图像的平移和旋转的影响；二次匹配引用了界限盒思想，增强指纹匹配算法对形变的适应能力。本算法把点模式的优点和基于结构的特征点之间的相对距离不变性、所跨越纹线数目的不变性、特征点类型的不变性很好结合起来。实验结果显示本算法具有较强的适应性和较高的拒识率。     

基于指纹的数字信息加密算法

根据密钥产生和管理过程的复杂性,为增强数字信息安全性,提出一种基于指纹的数字信息加密算法。该算法利用指纹的唯一性和稳定性,将指纹特征矩阵作为密钥。解码时,根据指纹匹配后得到的特征矩阵和密文,对秘密信息进行恢复。实验结果表明,该算法借助指纹识别的安全性增强了密钥安全性,简化了密钥管理,其二值矩阵运算效率很高,便于硬件实现。     

指纹识别系统分析

目前的自动指纹识别系统大多是基于PC平台的,而当今市场对自动指纹识别系统的便携性和易用性提出了更高的要求。介绍了自动指纹识别系统的原理,提出了以基于脊线跟踪的方法直接从指纹灰度图象提取特征的算法来提取指纹图像的特征点,总结了指纹识别的基本原理及其关键技术,研究了目前主要的指纹识别的算法。     

基于指纹识别的网络身份认证系统

指纹识别技术已经广泛地应用于公安、银行、证券等机关、企事业单位。介绍了指纹识别技术及其在身份认证方面的应用,提出了基于指纹识别的网络身份认证系统的一种解决方案,给出了系统的拓扑结构和软件体系结构。该系统针对不同的领域配以不同的应用软件,可应用于远程网络数据库的访问权限及身份的确认等,以提高网上业务活动的安全性。     

Self-Organizing Maps of Position Weight Matrices for Motif Discovery in Biological Sequences

The identification of overrepresented motifs in a collection of biological sequences continues to be a relevant and challenging problem in computational biology. Currently popular methods of motif discovery are based on statistical learning theory. In this paper, a machine-learning approach to the motif discovery problem is explored. The approach is based on a Self-Organizing Map (SOM) where the output layer neuron weight vectors are replaced by position weight matrices. This approach can be used to characterise features present in a set of sequences, and thus can be used as an aid in overrepresented motif discovery. The SOM approach to motif discovery is demonstrated using biological sequence datasets, both real and simulated