T-S型RBF神经网络在红外火焰探测系统中的应用

基于T-S(Takagi-Sugeno,高木-关野)模型RBF(Radial Basis Function,径向基函数)神经网络,提出了一种应用于三波段点型红外火焰探测器的识别算法,同时实现了硬件电路以及软件程序的设计。针对火焰探测器在检测过程中可能出现的数据丢失、失真、饱和等复杂情况,本文利用RBF网络较优的逼近精度和泛化能力,同时结合T-S模型用少量的模糊规则可生成较复杂的非线性函数的特点,实现了火焰与干扰源的准确识别。实验证实,T-S模型RBF神经网络相比于BP(Back Propagation,反向传播)网络在逼近精度、收敛速度、鲁棒性等多个方面都有所提升。     

基于熵值加权支持向量机的火焰检测方法

提出一种基于熵值加权支持向量机(SVM)的火焰检测方法.采用三帧差分算法对视频前景提取(VIBE)算法进行改进,并提出TH-VIBE前景检测算法,提升疑似火焰区域获取的准确率与完整性;利用熵值加权降低纹理特征、面积变化特征、圆形度特征、灰度特征等特征数据的冗余程度并建立熵值加权火焰识别模型,提升火焰识别速率与准确率;最...     

基于可见-近红外光谱技术与BP-ANN算法的污水类型鉴定

提出了一种基于可见-近红外光谱技术与BP人工神经网络(BP-ANN)算法快速进行污水类型鉴定的新方法.以FieldSpec(R)3地物光谱仪采集了4种污水样品的光谱数据,共168份,随机将其分成校正集(132份)和检验集(36份).分别采取全波段(400～2450 nm)与择取波段(400～1800 nm)两种方法建立模型进行分析.光谱经S.Golay平滑和标准归一化(SNV)处理后,以主成分分析法(PCA)降维.将降维所得的前9个主成分数据作为BP-ANN的输入变量,污水类型作为输出变量,建立3层BP-ANN鉴别模型.利用36个未知样对模型进行检验.结果表明:两类模型预测准确率均高达100%,且择取波段模型比全波段模型具有更高的预测精度.说明利用可见-近红外技术结合BP-ANN算法进行污水类型的快速、无污染鉴定是可行的,且波段筛选是优化模型的有效方法之一.     

基于LASSO回归的红外火焰探测器的设计与实现

基于LASSO回归,提出一种应用于三波段红外火焰探测器的具体识别算法,同时进行了硬件电路以及软件程序的设计。在火焰探测器在检测过程中可能出现数据不稳定、环境多样化的复杂情况,从而提取到的特征存在多样性和复杂性。本文利用LASSO回归良好的预测能力、系数压缩能力和特征选择能力,有效提升了对三波段红外火焰的精确度和灵敏度,同时LASSO回归还具有效率高、预测精度高、解释性强等特性。实验证明LASSO相比于传统火焰识别算法在逼近精度、收敛速度和鲁棒性等多个方面都有所提升。     

广东省主要人工林树种光谱分类

为了探索不同树种叶片光谱区分的最佳特征波段以及不同树种光谱分类的 性能,利用地物光谱仪对广东省10个主要人工林树种的叶片光谱数进行了采集。采用遗 传算法(Genetic Algorithm, GA)和连续投影变换算法(Successive Projections Algorithm, SPA) 进行了高光谱数据降维处理,然后结合支持向量机(Support Vector Machine, SVM)和随机森林(Random Forest, RF) 两种方法进行了树种分类。研究发现,通过两种变量选择方式筛选的用于树种分类的光谱范围 主要位于近红外波段。其中,经GA算法筛选的变量建模和预测精度与基于全波段光谱数据的分类精 度较为接近,且比经SPA算法变量筛选的分类结果好。通过比较可知,RF算法所建模型的性能比SVM算 法更稳定,且GA-RF算法在几种分类处理中的性能最好。结果表明,GA-RF算法 可用于基于光谱数据的树种分类研究。     

基于高光谱数据波段选择的茅洲河悬浮物浓度反演

针对基于高光谱数据的悬浮物浓度反演问题,提出一种利用预训练神经网络(PNN)进行有监督波段选择的方法,并使用随机森林和神经网络建立悬浮物浓度反演模型.PNN算法需进行多次重复实验以获得低噪声且充分的波段重要性表达,在每次实验时选取适当数量的波段作为神经网络输入数据的特征,训练一个神经网络,并利用最后一期训练时第一层权重的L1范数、L2范数和ReLU(Rectified Linear Unit)函数来表示波段的重要性.实验结果表明,相比其他常用的波段选择算法,使用L1范数、L2范数的PNN算法能够得到信息量更大的波段集合,且其用于悬浮物浓度反演时,能够获得更优的效果.     

用波段比值参数提升水体悬浮颗粒物浓度反演模型稳健性的分析

为了得到更加稳健的水体悬浮颗粒物(Suspended Particular Matters, SPM)的反演模型,减少建模数据误差对算法精度的影响,将单波段和对应波段比值的六种经验模型和半经验、半分析模型分别应用于长江口高浊度水域不同航次不同测量仪器测得的实测数据集中,分析了波段比值参数对于提高SPM反演模型稳健性和稳定性的作用。结果表明,采用波段比值参数的模型的精度都远高于相应的单波段模型。在2014年5月和2014年12月航次的数据集中,有的单波段模型失效,总体的最高精度不超过0.5。而相对应的波段比值的建模精度都在0.8左右。另外,将各模型应用于Landsat 8卫星的OLI传感器的遥感数据时,同样,波段比值模型的反演精度高于单波段模型。结果证明,在高浊度的水体中反演SPM浓度时,波段比值遥感参数的应用可以加强反演模型的稳健性。     

基于最优状态的多波段全极化SAR数据ML分类方法

该文描述了一种对多波段、全极化AIRSAR图像中的地物目标进行分类的最大似然(ML)分类算法。该算法的特点是利用极化SAR图像的最优状态进行分类。本文描述了最优状态的搜索算法和地貌分类算法,并利用美国AIRSAR获得的多波段(P,L和C)、全极化图像数据对本算法进行检验。与利用单波段、单极化图像数据得到的分类结果相比,本文提出的基于最优状态的分类算法可以显著地提高分类精度。     

基于KLFCV数据分布形式的多尺度MRF红外目标分割

提出了一种建立在红外多波段图像基础上的目标分割新方法.首先,对8～14 μm成像波段通过滤光片细分为4个小的波段范围.用多波段图像代替单一波段图像,提高图像信息量;然后,根据多波段图像特点,通过对文献KLFCV模糊聚类模型进行分析,给出一种新的数据分布形式,用它作为多尺度Markov随机场(MRF)模型的数据似然分布;最后.利用EM算法给出相应参数估计.人工模拟数据和实际场景图像的分割试验结果表明,本文方法在目标分割完整性和噪声抑制性上和相关文献相比均有不同程度提高.     

基于改进GMM和多特征融合的视频火焰检测算法

针对现有视频图像火焰检测算法前景提取不完整、准确率低和误检率高等问题,提出一种基于改进混合高斯模型(GMM)和多特征融合的视频火焰检测算法。首先针对背景建模,提出了自适应高斯分布数和学习率的改进GMM方法,以提高前景提取效果和算法实时性;然后利用火焰颜色特征筛选出疑似火焰区域,再通过融合改进局部二值模式纹理和边缘相似度特征用于火焰检测。基于支持向量机设计火焰融合特征分类器并进行对比实验,在公开数据集上的实验结果表明,所提算法有效提高了背景建模效果,火焰检测准确率可达到92.26%,误检率低至2.43%。     

三红外火焰探测器软件算法设计与实现

通过对三红外火焰探测器软件算法的研究,提出一种三红火焰探测的具体软件算法实现方案,该算法融合了阈值法、信号间数字相关分析法和平均功率法解决三红外火焰探测问题,同时通过具体编程及试验验证,实现了三红外火焰探测器远距离探测技术要求,完成了软件算法的具体实现。试验结果表明提出的方案可行,算法能够有效提高三红外火焰探测器探测灵敏度,降低虚警率。     

基于模糊集的神经网络景象匹配算法

将神经网络思想引入到景象匹配,提出了基于模糊集的神经网络景象匹配算法。该算法将图像模糊集作为特征空间,尝试了在模糊域中采用3层前向神经网络搜索算法进行精确寻优的方法。实验结果表明,设计的算法不但较好地满足了景象匹配系统对匹配概率和匹配精度的要求,而且比传统算法具有更高的抗干扰能力,且实时性也较好,为飞行器实时景象匹配提供了一种可行方法。     

基于模糊神经网络预报的抽油机节能控制研究

基于油田多数抽油机轻载运行的现状,提出抽油机"间歇启停"运行的节能控制方案,考虑采油为一复杂过程,选择模糊神经网络(FNN)预报方法给予实现.为了实现这一方案,首先介绍了T-S模糊神经网络的结构,结合抽油过程的特点和研究的需要,对其进行了简化和改进;然后运用采油现场的样本信息和专家知识对FNN进行训练;最后给出了实用的抽油机节能FNN预报算法,将该算法应用在智能抽油机控制器中,取得了满意的节能效果.     

基于免疫应答的RBF网络在动态多用户检测中的应用

径向基函数神经网络是一种具有局部逼近能力的前向神经网络,可用作码分多址中的多用户检测器,有较好的检测性能;但是目前的RBF网络多用户检测器收敛慢,不能针对实时变化的动态信道作跟踪.针对动态信道中的多用户检测问题,借鉴免疫系统二次应答原理提出了一种基于免疫机制的RBF网络.该方法结合免疫记忆机制和免疫应答机制设计免疫算子,针对动态模型中的稳定部分和突变部分作不同强度的训练;借鉴免疫系统的二次应答机制,较大地降低了算法复杂度,并且收敛快、鲁棒性强,提高了在变化的信道中的多用户检测器的动态追踪能力.     

On an algorithm for Vision-based hand gesture recognition

A vision-based static hand gesture recognition method which consists of preprocessing, feature extraction, feature selection and classification stages is presented in this work. The preprocessing stage involves image enhancement, segmentation, rotation and filtering. This work proposes an image rotation technique that makes segmented image rotation invariant and explores a combined feature set, using localized contour sequences and block-based features for better representation of static hand gesture. Genetic algorithm is used here to select optimized feature subset from the combined feature set. This work also proposes an improved version of radial basis function (RBF) neural network to classify hand gesture images using selected combined features. In the proposed RBF neural network, the centers are automatically selected using k-means algorithm and estimated weight matrix is recursively updated, utilizing least-mean-square algorithm for better recognition of hand gesture images. The comparative performances are tested on two indigenously developed databases of 24 American sign language hand alphabet.     

UKF参数辨识的T-S模糊多模型目标跟踪算法

针对非线性系统中机动目标动态模型不确定性问题，提出了一种新的基于UKF参数辨识的T-S模糊多模型机动目标跟踪算法。在提出的算法中，用多个语义模糊集对目标特征信息进行模糊表示，构建一个通用的T-S模糊语义多模型框架。在T-S模糊语义多模型中，使用模糊C回归聚类算法实现对前件参数的辨识，同时，为了实现系统的非线性特征，引入无迹卡尔曼算法辨识后件参数。仿真结果表明，提出的算法跟踪性能优于传统的交互多模型算法和交互多模型无迹卡尔曼滤波算法，在被跟踪目标突然发生方向改变或目标的动态先验信息不精确等复杂情况时，能够有效地对目标进行精确跟踪。      

蜂群优化神经网络的频谱感知

由于神经网络训练收敛速度慢、易陷入局部最优解,而最优解对神经网络的频谱感知算法性能影响大,因此为提高神经网络的频谱感知算法性能,采用蜂群算法交叉训练神经网络,加快训练收敛速度,降低均方误差。采用信号的能量、循环功率谱作为特征参数,提出了蜂群优化神经网络的频谱感知算法。仿真结果表明,在给定迭代次数下,相比能量法、循环平稳特征法、无蜂群算法交叉训练神经网络或RBF神经网络的频谱感知算法,本文算法具有更好的感知性能。      

基于改进的引力搜索算法的T-S模型辨识

针对引力搜索算法在求解复杂问题时搜索精度较低、易出现早熟收敛的缺点。提出一个新颖的智能算法-基于基因突变的引力搜索算法来辨识T-S模型的参数,同时提出一种改进的聚类算法辨识T-S模型的结构,实验结果表明,改进算法辨识出的T-S模型结构紧凑、精度更高,且泛化能力强。