多层前馈模糊神经网络进行图像识别

神经网络和模糊技术在模式识别领域中已有了广泛应用,两者有着各自的优势。针对神经网络模式识别中所遇到的问题,为了进一步提高分类器在样本分布不清晰情况下的识别能力,本文提出了两各将模糊机制引入神经网络的方法－输入模糊化方法和隐层模糊化方法,并在此基础上分别构造了模糊神经网络。实验结果表明,模糊神经网络较好地结合了神经网络和模糊技术的优点,取得了比传统网络更好的识别结果。     

基于模糊推理的环境监测识别系统设计

首先提取反映烟尘特性的烟尘图像特征参数,对图像特征参数使用基于参数正态分布的模糊化方法进行模糊归一化处理;然后进行K均值模糊聚类分析;最后使用基于灰色补偿理论的径向基函数神经网络进行模式识别,判断出烟尘污染等级.系统实际运行中取得了良好的识别结果.     

基于模糊模式的手写数字识别

手写体数字识别是一个难度很大,但却具有广阔应用前景的研究课题.文章提出了一种基于模糊模式识别和BP神经网络技术对手写数字进行识别的算法:首先应用BP神经网络技术对手写数字样本进行学习,然后结合模糊模式识别方法进行手写数字识别.实验表明,该方法的正确识别率达95%以上.     

智能车辆导航路径识别的模糊神经网络方法研究

研究了采用模糊神经网络来识别 JL UIV- 2型视觉导航智能车辆模糊和脏污的导航路径的方法 ,提出了两种模糊神经网络模型 .第 1种模糊神经网络有 5层结构 ,采用正态分布概率函数作为模糊化函数 ;第 2种模糊神经网络有 6层结构 ,采用 π函数作为模糊化函数 .同时采用改进的快速 BP算法对这两种模糊神经网络进行训练 ,并采用实际模糊和脏污的条带状导航路标图象进行了识别试验 .试验结果表明 ,所提出的模糊神经网络可使智能车辆有效地识别出模糊和脏污的导航路径     

模式识别及其在图像处理中的应用

随着计算机和人工智能技术的发展,模式识别在图像处理中的应用日益广泛.综述了模式识别在图像处理中特征提取、主要的识别方法(统计决策法、句法识别、模糊识别、神经网络)及其存在的问题,并且对近年来模式识别的新进展--支持向量机与仿生模式识别做了分析和总结,最后讨论了模式识别亟待解决的问题并对其发展进行了展望.     

模式识别在变电站远程视频监控系统中的应用

将模式识别技术应用于变电站数字视频远程监控系统中,为变电站实现无人值守提供了条件。图像处理和模式识别是远程视频监控系统应用研究中的两大关键技术。阐述了图像处理和图像识别的过程,介绍了常用的模式识别如统计模式识别、模糊识别和神经网络识别等方法的基本原理,并对它们的优缺点进行了分析。最后总结了对变电站内信号灯状态、指针表、数字表和环境等的识别方法。     

光学字符识别技术与展望

光学字符识别技术在人机交互中，发挥了界面友好的作用。根据识别时所提取具体特征的不同，字符识别通常可以分为：统计字符识别、结构字符识别和神经网络字符识别技术3种。该文分析了文字识别中的典型方法，并结合模式识别领域取得的理论成果，介绍了模糊技术识别、基于语义理解的识别等发展中的识别技术。光学字符识别为大量数据的自动录入提供了一条有效的途径，在文档自动分析、图像检索、人机交互方面有广阔的发展空间。     

一种用于图像目标识别的神经网络及其车型识别应用

构建了一种用于图像目标识别的多层前向神经网络，给出了网络拓扑结构，并成 功地把该神经网络运用到车型识别中。该方法综合了神经网络、模糊逻辑、模式识别的相 关 算法，对图像目标轮廓进行整体识别，达到了较高的目标识别准确率。实践表明，该网 络经 过监督学习后，能摒除图像中一定量干扰像素影响，准确地识别出各种外形车的车型 。     

几种局部连接神经网络结构及性能的分析与比较

对人工神经网络中的局部连接网络进行了综合研究，比较和分析了CMAC、B样条和RBF这3种用于函数逼近的局部网络的性能。还分析了以ART-2为代表的局部网络中用于模式识别的网络结构及功能。最后在对以上几种网络进行模糊化的基础上，讨论了相应模糊神经网络的性能，为选择和应用局部神经网络提供了一定的依据。     

模糊神经网络在条形码识别中的应用

本文把模糊集合论的知识应用于自组织神经网络,提出一个模糊神经网络算法。新算法克服了一般神经网络方法共同面临的学习时间长、对网络参数敏感的弱点,广泛适用于一般的模式识别问题。对条形码识别问题的应用情况表明,新算法无论在网络学习的速度上还是在识别结果上都优于Ｋｏｈｏｎｅｎ的自组织神经网络方法。     

一种基于神经网络覆盖构造法的模糊分类器

首先介绍了一种M-P模型几何表示,以及利用这种几何表示可将神经网络的训练问题转化为点集覆盖问题,并在此基础上分析了神经网络训练的一种几何方法.针对该方法可构造十分复杂的分类边界,但其时间复杂度很高.提出一种将神经网络覆盖算法与模糊集合思想相结合的方法,该分类器可改善训练速度、减少覆盖的球领域数目,即减少神经网络的隐结点数目.同时模糊化方法可方便地为大规模模式识别问题提供多选结果.用700类手写汉字的识别构造一个大规模模式识别问题测试提出的方法,实验结果表明,该方法对于大规模模式识别问题很有潜力.     

电子电路模糊神经网络故障诊断研究及仿真

针对模拟电路的故障特点,在确定智能诊断算法的基础上,论文尝试用高级语言编程来仿真实现.论文主要讨论了故障诊断的神经网络方法和将输入模糊化后的模糊神经网络方法,该方法结合了模糊逻辑和神经网络的优缺点,对于电阻元件的软故障,用模糊神经网络得到了比较理想的结果,对于所选的电路,用模糊神经网络可以对电阻增大和减小进行识别,实现了模拟电路软故障的辨识.对于模糊规则分不开的故障,可以运用神经网络进一步细分.论文着重以具体的模拟电路为研究对象编程模拟了诊断方法,结果证明这样的诊断方法是有效的.     

模糊神经网络语音数据融合算法的研究

针对高嗓音环境中的语音识别问题，提出一种利用模糊神经网络进行语音数据融合的新算法。该算法按一定模糊规则对语音信号的特征参数进行模糊化，并通过神经网络对每个传感器语音信号的模糊特征参数进行分类和融合。仿真实验表明，该算法鲁棒性更强；与单传感器算法相比，语音识别率得到较大的提高。     

模糊模式识别的几种基本模型研究

模糊模式识别是当前一种流行的模式识别方法。文中对常见的模糊模式识别问题进行了总结,根据识别对象和被识别对象及其关系归类出模糊模式识别的四种基本模型,分别为：标准模式为模糊子集,待识别样本为单点向量;标准模式和待识别样本均为模糊子集;标准模式为模糊向量集合族,待识别样本为单点向量;标准模式和待识别样本均为模糊向量集合族。对每种类型分别讨论了其常用的解决方法,并给出了实例。最后,对模糊模式识别其它方法进行了简介。     

基于T-S模糊神经网络的抽油机井故障诊断

针对油田抽油机井故障的特点,提出了基于T-S模糊神经网络的抽油机井故障诊断方法。即将神经网络的学习能力引入到模糊系统中,将模糊系统的模糊化处理、模糊推理、精确化计算通过分布式的神经网络来表示,从而提高系统的学习能力和表达能力。提出了基于LM优化的BP算法以提高网络收敛速度,利用MATLAB神经网络工具箱建立模糊神经网络诊断模型,经仿真测试表明,所提出的故障诊断方法能有效地对抽油机故障识别,正确率较高、效果较稳定,可提高网络训练及诊断速度。     

模糊神经网络在阿胶模式识别中的应用

介绍采用模糊神经网络法对动物药阿胶进行模式识别，识别效果令人满意，由于其有模糊性，对于一些杂皮胶或混胶，也能识别出相应的隶属度。     

基于模糊理论的地面三维目标识别方法

本文就模糊理论在模式识别领域中的应用 ,对地面三维目标进行模糊模式识别的实现做了一些研究工作 .利用成熟的二维图像识别技术与多对一模型和目标类型建库方法的结合 ,完成对三维目标的识别     

基于模糊神经网络的彩色图像滤波方法

提出一种基于模糊神经网络的彩色图像滤波方法．该方法将滤波窗口内的像素矢量作为模糊神经网络的输入，根据像素间的矢量距离进行模糊化，通过模糊推理实现对各个像素加权求均值，得到中心像素的输出．输入的模糊化和模糊推理参数由神经网络的自学习功能自动调整，实现最优的滤波效果．对样本图像的处理结果表明，该滤波方法对不同类型的噪声均有较好的滤波效果。     

基于人工神经网络的云识别研究

利用计算机图像处理和模式识别技术，对卫星云图上常见的3种云和晴空进行了特征提取，并利用神经网络进行了识别实验，结果表明这种方法是有效的。     

模糊聚类的方法及应用

模糊聚类方法是利用模糊模式识别中的基本理论,其基本思想是要把需要识别的事物与模板进行模糊比较,从而得到所属的类别。模糊模式识别的方法是利用模糊数学中的基本概念,原理,方法解决分类识别问题。该文通过针对如上两类模糊模式识别问题的研究,归纳了几种常用方法,并讨论了模糊聚类方法相对于传统模式识别在应用上的优化之处。