基于改进小波变换及神经网络的电子音乐信号识别方法

基于当前智能化发展水平,通过优化小波变换与神经网络,提出一种电子音乐信号自动化识别方法。合理扩大信号高、低频系数,经小波变换降噪,适当缩小高、低频系数,采用多输入多输出神经元,构建前向的径向基函数神经网络,将隐藏层神经元换成高斯激活函数,令信号呈中心径向对称形式,求解连接权重后,架构自动识别流程。仿真实验阶段,针对不同风格的电子音乐信号,检验该方法的降噪效果与自动识别准度、速度。实验结果验证出所提方法噪声滤除优势显著,且能够精准、快速地识别出目标电子音乐信号,具有较好的有效性与可行性。     

基于小波分析和神经网络的雷达目标识别方法的研究

高频区的雷达目标识别是当前高技术领域内的一个发展重点。以多散射中心的目标模型为基础,本文应用小波分析作为提取目标特征矢量的有力工具,结合提出的一种改进的人工神经网络算法,对于宽带连续波工作体制下的雷达目标识别问题做了探讨和研究。实验结果证实了小波分析与神经网络相结合的目标识别方法的有效性。     

基于对角切片谱的小波神经网络水下目标识别

目前水下目标识别技术识别率与实时性两难现状的解决,对舰船水下辐射噪声的正确提取具有实际意义。为了使水下目标识别更切合作战实际需要,在得到稳定、可靠的目标识别率的同时,实现高效与实时性,提出了基于对角切片谱的小波神经网络水下目标识别系统。系统充分利用高阶谱既能抑制高斯噪声又包含丰富识别信息的特点以及小波神经网络具有自适应、自学习以及逼近特性和自动收缩平移功能的优点,对三类舰船的实测数据进行仿真,结果表明,三类舰船目标的平均识别率达到90.4%,同时收敛速度也比普通神经网络提高16.9%,证明系统在水下目标识别中具有很好的应用价值。     

小波系数特征的目标识别方法

提出一种基于小波系数特征的目标识别方法.通过对图像的小波变换系数进行有选择的保留和抛弃,并对保留的系数进行非线性的处理来突出目标的主要轮廓信息,归一化处理后提取出目标的特征向量;将该特征向量应用于支持向量机进行分类识别.实验证明该方法有效的改进了目标识别效果.     

分块小波特征结合BP神经网络的虹膜识别方法

在对虹膜特征提取时,绝大多数方法是直接对虹膜归一化后的增强图像进行某种变换,为降低虹膜特征维度,同时保证识别效率,提出了对归一化虹膜径向折叠分块、环向周期分块再进行haar小波变换的方法,降低了虹膜区域对噪声的敏感性,在减少虹膜特征维度的同时,保证了虹膜有效特征不被中和。为进一步克服虹膜识别中对旋转的敏感性,采用了周期延拓的小波变换方式提取高频信息。最后利用BP（Back Propagation）神经网络的分类方法,将小波变换后的高频信息直接作为分类器的输入,进一步提高了虹膜识别正确率。实验表明,提出的方法特征点数低至120,正确识别率可达到99.48%。     

基于旋转不变性小矩的神经网络飞机识别

哈尔滨一种新的基于神经网络的旋转不变性目标识别方法。不变性特征是图象小波变换所得的模值。网络是采用ＢＰ算法的３层前馈网络，实验表明该方法具有良好的效果。     

基于小波变换和神经网络模型的数字调制识别方法

由于小波变换对瞬态信息具有较强的检测能力,数字调制信号在间断点呈现不同的瞬态信息。使用提取小波变换后包络方差与均值平方之比的特征参数,来实现3种信号(MFSK、MPSK和MQAM)的类间识别。然后提取经小波变换后的信号幅度层数N1,对MFSK进行类内识别,提取经归一化后的信号再经过小波变换后的尖峰数N2,对MPSK进行类内识别。最后利用人工神经网络作为分类器,仿真结果表明在低信噪比下具有良好的正确识别率。     

基于遗传算法的小波神经网络

介绍小波神经网络的基本原理.利用遗传算法来优化小波神经网络,达到提高逼近精度,简化网络结构,提高收敛速度的目的.通过实验将其与传统的小波神经网络进行比较,证实前者具有更优的网络结构,更高的逼近精度.     

基于Matlab Web Server的神经网络目标识别方法

提出了一个通过网络访问Matlab Web Server从而可以远程实现目标识别的方法.为使Matlab Web Server正常运行,对系统的使用环境进行了一定规则的配置,而进行目标识别的神经网络算法也作了适当的修改以适应所在环境.实验结果表明该系统在远程仿真上是可行的,它克服了目标识别只能单机运行的缺点.     

基于旋转不变性小波矩的神经网络飞机识别

介绍一种新的基于神经网络的旋转不变性目标识别方法。不变性特征是图象小波变换所得的模值。网络是采用ＢＰ算法的３层前馈网络，实验表明该方法具有良好的效果。     

基于视频图像的车辆目标识别

针对目前数字图像目标识别方法中存在识别精度和实时性的问题,该文提出一种结合Gabor小波和神经网络的图像目标识别方法。该方法首先对图像进行预处理、用Canny算子进行边缘提取,然后通过神经网络获取最优的双Gabor小波复合滤波器参数,再采用参数优化过的滤波器组提取目标的特征向量,最后进行目标的分类和识别。实验表明这种方法鲁棒性好、识别率高,具有较广泛的实际应用价值。     

基于小波倒谱系数和概率神经网络的取证说话人识别模型

取证说话人识别是一种利用犯罪现场留下的质疑语音来识别犯罪分子身份的技术。为了提高识别模型的抗噪能力,本论文提出了基于小波倒谱系数（WCC）和概率神经网络（PNN）的取证说话人识别模型。该模型包含WCC特征提取和PNN分类两个步骤。WCC对噪音不敏感,所以使得我们的模型有抗噪能力。PNN是一种高效的分类算法,从而提高了模型识别性能。实验表明,该模型以提高时间消耗为代价提高了识别率和抗噪能力。     

基于DWT和BP神经网络的人脸识别方法

提出了将人脸图像的离散小波变换DWT和BP神经网络相结合以达到人脸识别的方法。由于离散小波变换具有良好的多尺度特征表达能力,能将图像的大部分能量集中到最低分辨率子图像,高频部分则对应于图像的边缘和轮廓,能很好的表征人脸图像的特征。而BP神经网络具有很强的分类能力,并且可以运用神经网络的学习算法进行学习。实验表明:二者的结合对人脸识别具有计算量小,识别率高的优点,有很强的实用性。     

基于小波和神经网络的车牌字符识别新方法

车辆牌照自动识别（简称车牌识别）是智能交通系统中一项重要的关键技术;首先简要介绍了车牌识别技术饷背景及意义,然后阐述了小波变换和BP神经网络的相关理论和实现细节,最后提出了一种基于小波和BP神经网络的车牌字符识别新方法,并采用了MATLAB数学工具进行仿真;实验结果显示,总的字符识别率为95．8％,平均识别时间21ms,表明该方法具有良好的实用价值,可应用于工程实践中。     

基于小波神经网络的人脸识别

利用最近在小波变换、人工神经网络和证据理论上取得的进展来进行人脸图像的识别。由于小波变换在时间和频率空间具有良好的定位特性，使小波神经网络可对输入、输出数据进行多分辨的学习训练。将小波变换和反向传播神经网络理论结合，设计一种小波神经网络结构，介绍了神经网络的数学框架和该网络的学习算法，把此算法用到人脸识别中，实验结果证明小波神经网络在人脸识别中收敛速度快、识别率高。     

基于小波变换与脉冲耦合神经网络的人脸识别

脉冲耦合神经网络（Pulse Coupled Neural Network,PCNN）是基于生物视觉特性而提出的新一代人工神经网络,它在数字图像处理及人工智能等领域具有广泛应用前景.本文通过研究PCNN理论模型及其工作特性的基础上提出了一种提取人脸特征的方法.首先利用小波变换提取人脸图像低频特征,降低人脸图像的维度,然后利用简化的PCNN提取小波低频系数重构后的人脸图像的相应时间序列,并以此作为人脸识别的特征序列.最后利用时间序列和欧式距离完成人脸的识别过程.本文通过ORL人脸库进行实验证明了该方法的有效性.     

基于小波变换和BP神经网络的人脸识别方法

提出了将人脸图像的小波分解系数和BP神经网络相结合以达到人脸识别的新方法。针对不同的小波基,对人脸图像作小波分解,并将分解低频系数作为人脸特征送入神经网络进行训练。实验表明,选择恰当的小波基能够达到较高的识别率。     

基于遗传小波神经网络的RFID调制识别

在射频识别的调制识别方法中,神经网络常用的反向传播算法普遍存在收敛速度慢、容易陷入局部极小点、网络参数的选取只能凭实验和经验确定等缺点。针对上述问题,提出一种基于遗传算法优化小波神经网络的识别分类器。该分类器可以充分发挥遗传算法的全局寻优能力、小波分析的非线性逼近能力和神经网络的自学习特性,仿真结果表明其可以优化系统的收敛速度和识别精度。     

小波神经网络在手写数字识别中研究与应用

针对手写数字识别的特点,讨论了数字识别预处理的方法,包括二值化、倾斜矫正、细化和归一化。利用小波函数代替传统神经网络中的激活函数,构建了用于数字识别,小波神经网络系统。仿真结果显示,新系统大大提高了网络训练速度,数字识别的正确率也明显提高。     

基于多传感器模糊神经网络的水下目标识别

首先将模糊神经网络应用于单传感器潜艇目标识别，在此基础上将多传感器数据融合技术应用于目标识别。仿真结果证明：这种方法是可行的、高效的。