基于小波包自组织神经网络的图像数据融合

基于小波包与模糊自组织特征映射神经网络的图像数据融合,将图像在小波包最优基下展开,利用小波包最优基空间、尺度定位性提高分辨率,获得更好的去噪效果;再采用具有很强聚类功能的自组织特征映射网络进行图像数据的聚类;最后通过计算图像像素点的灰度均值来得到图像数据的融合结果.     

基于自适应神经网络的飞控系统辨识技术研究

建立复杂的非线性飞行器辨识模型对提高系统的状态监控和控制性能具有重要意义。文中提出一种变结构的在线径向基神经网络学习算法,使用梯度下降法对网络参数进行优化。利用径向基神经网络对某型飞机非线性动力学系统进行辨识,仿真结果表明设计的算法满足在线辨识的要求。     

基于RBF神经网络的引信智能天线多目标方向估计

提出了一种基于径向基函数(RBF)神经网络的引信智能天线多目标方向估计算法,对引信智能天线进行了结构和训练算法的设计.理论分析和测试结果表明,此算法充分利用了径向基函数神经网络的结构简单、自学习能力强、运算速度快、模式分类能力强等特点,可以实现多目标高分辨率方向估计.     

基于优化遗传算法的模糊聚类图像分割算法

根据个体适应度大小和变化快慢来自适应改变遗传算法中的计算参数,并引入基于直方图二阶导数的约束条件．对遗传算法进行了两方面的优化,不仅可增加计算的自适应程度以增大计算结果的准确性,而且可缩小搜索空间,提高运算速度,从而形成一种基于优化遗传算法的模糊C均值聚类图像分割算法。实验结果证明,文中算法不仅减小了最小均方误差,改善了分割效果,而且大大缩短了计算时间,提高了运算效率。     

基于RBF神经网络的磁探测引信系统研究

通过对比BP神经网络、径向基函数（RBF）神经网络在信号处理中的优缺点，详细分析了RBF神经网络的模型结构并应用于多模磁探测引信系统中，通过计算机仿真和实际测试效果较好。     

基于Sarsa算法的无人直升机悬停控制

无人直升机悬停控制,利用Sarsa增强学习算法设计.将Sarsa增强学习算法与多层前馈神经网络相结合,对控制器参数进行在线调整,实现对微小型无人直升机悬停控制性能的在线优化.增强学习的值函数逼近器采用N10-12-16结构的多层前馈神经网络,权值学习采用直接梯度下降的近似梯度迭代算法,用ε-Greed策略进行行为选择.     

基于人工神经网络的多模引信磁探测信号处理

简述了多模引信磁探测系统的概念、原理及目标特性。对比了BP神经网络、径向基(RBF)神经网络在多模引信磁探测系统信号处理中的优缺点，并对其进行了改进，通过计算机仿真得到了很好的结果。     

基于径向基神经网络的空间目标测向定位算法

针对无线电测向定位系统中解析算法定位误差较大的问题,提出了一种基于径向基(RBF)神经网络的双站只测向定位方法。利用RBF神经网络可逼近任意连续有界非线性函数的能力,通过样本学习,构建目标位置和测向站所测的来波方向角(DOA)映射模型。与目前解析算法相比,RBF定位模型不仅充分利用了测向站获取的所有二维DOA信息,而且利用神经网络的泛化特性、鲁棒特性,较好解决了测向误差对定位精度的影响。实验表明:该方法能有效提高定位精度。     

基于RBF神经网络的SO2的预测

基于RBF神经网络的SO2的浓度预测,选取一定的历史数据建立径向基函数神经网络训练模型,进行拟合训练.将芜湖市1993年到2001年大气SO2的浓度历史数据用于径向基函数神经网络,建立训练网络模型,通过训练优化提高训练可靠性.再用该模型对芜湖市大气中SO2的浓度进行预测.     

基于改进残差网络的高光谱图像分类算法研究

针对高光谱图像在训练样本较少时无法构建有效的深度学习分类模型的问题,对传统的残差块(residual block)模型进行改进,提出一种“金字塔”残差块分类算法。设计一种包含数十个卷积层的深度学习网络,与传统残差模型相比大大减少了参数量,且可以充分提取高光谱图像的深层空间-光谱特征;在2种开源数据集Indian Pines和University of Pavia上进行实验,同时选取了3种经典的分类方法作为对比。实验结果表明：该算法表现效果最佳,可以有效提高高光谱图像的分类精度。     

基于Gabor函数的图像纹理识别

提出了一种改进的Gabor变换的图像纹理增强算法,该算法将纹理图像频率分为连续和离散频域,然后把频域进行能量合成,最后Gabor滤波器以能量分布进行连续频域和离散频域滤波,给出了程序代码.实验仿真表明了该方法的有效性和实用性.     

基于估计点的滑动窗宽核密度估计算法

针对核密度估计中窗宽确定困难的问题,提出了基于估计点的滑动变窗宽核密度估计算法。通过采用固定窗宽的密度估计函数代替假设的正态分布密度函数的方法,对估计域中的每一估计点求取其最优窗宽值,实现了窗宽根据样本的分布情况,在不同的估计点自动调整窗宽的取值。文中给出了算法的具体推导以及实现步骤,给出了对比试验。结果表明,新算法在估计结果的精度、平滑度等方面比现有固定窗宽的算法有明显提高。     

永磁交流伺服系统的神经网络自适应控制研究

针对永磁交流伺服系统,提出了一种自适应PID控制器学习算法——带预测模型的神经网络PID控制方法。该方法采用一个三层RBF网络辨识交流伺服系统的特性,用另一个BP神经网络作为自适应控制器。仿真结果表明,在系统参数发生变化和存在负载转矩扰动的情况下,该方法具有较好的自适应能力和良好的动态性能。     

基于卷积网络和对抗式学习的雷达信号识别算法

针对雷达信号识别中因新信号数据与训练数据的样本差异,导致卷积网络模型识别率下降的问题,提出一种基于卷积网络和对抗学习的雷达信号识别算法,提升模型对新样本的识别率.首先,依据时频变换理论,变换得到雷达信号时域-频域能量分布图像,以表征信号脉内调制特征;然后,结合深度可分离卷积的结构,构建卷积网络模型,并利用样本数据对模型...     

一种核主分量分析重构的雷达目标识别方法

针对雷达目标高分辨距离像(High-Resolution Range Profile,HRRP)识别中等角域划分造成的目标散射特性失配问题,提出一种基于核主分量分析重构的雷达目标识别方法。该方法在等角域划分下利用核主分量分析提取每个角域内HRRP的特征子空间,再将测试样本投影到各角域特征子空间中进行重构,最后通过计算最小重构误差来判别测试样本的类别。基于5种飞机目标的仿真实验表明,核主分量分析重构方法可以松弛角域划分范围,降低角域划分的精度要求,相比主分量分析重构方法和最大相关系数模板匹配法有效提高了识别性能。     

基于主成分分析的舰载机着舰安全综合评价

应用基于主成分分析的综合评价方法,以美军某型舰载机着舰时的统计数据为例,通过计算主成分对原始变量信息的保留程度,验证了选取9个主成分进行综合评价的正确性和可行性;最后根据随机选取的10次着舰过程综合评价了舰载机着舰性能和安全性的优劣;基于主成分分析的舰载机着舰安全综合评价,将主成分分析与舰载机着舰过程的机理分析相互结合,通过从多变量统计数据中提取舰载机着舰过程状态参数进行舰-机系统安全状态判断及监控的方法对舰载机着舰过程的描述准确性较高,并具有较强的工程实用性。     

一种基于核方法的LMF 自适应多用户检测器

为加快收敛速度,获得稳定的性能,提出一种基于核方法的LMF(kernel least mean fourth,KLMF)多用户检测器。将DS-CDMA接收机收到的信号通过高斯核函数映射到高维特征空间(核空间),进行线性检测,并以实例在同步高斯信道环境下进行仿真试验比较。仿真结果表明:该方法能避免高维特征空间的复杂运算,通过选择合适的核参数,KLMF检测比LMF检测具有更好的收敛性能。     

基于核函数支持向量机的雷达辐射源识别

文中针对雷达辐射源信号环境复杂导致的正确识别率较低的问题,提出了基于支持向量机理论的雷达辐射源识别方法,并构建了基于多种核函数支持向量机的雷达辐射源分类器。通过在不同噪声环境下进行仿真实验,证明了支持向量机理论在雷达辐射源识别中的有效性,并比较了多种核函数支持向量机的识别效果。     

基于主成分分析的防空导弹武器综合评价

以防空导弹综合评价为例,应用SPSS软件,验证了主成分分析在武器装备综合评价中的正确性和有效性.结果表明,应用主成分分析进行综合评价,充分利用了武器装备指标数据;依据指标间相关程度,自动生成权重,避免了人为因素干扰;简化了武器装备的综合评价工作,能够为武器装备论证及采办提供科学的依据.