神经网络应用于图像识别的实验系统

本系统基于视感神经网络(Perception Neural Network)的算法结构,着眼于神经网络的实用化,采用计算软件计算关联权重,通过光电计算机结合,实现了判断并学习1—9九个字符图形的实验系统,得到了实验结果。本系统是对神经网络应用于图像识别的新的尝试。     

基于神经元网络的选择型问卷识别技术

在问卷调查数据自动识别和统计过程中,由于纸张的折叠、弯曲、变形及受污染等原因引起的数据误判时有发生,考虑到手工统计的繁杂性,开发一种自动、高效的智能处理系统具有相当大的实用价值。提出应用神经网络对调查问卷扫描图像进行识别处理的方法,建立基于MATLAB的Hopfield网络识别模型,并详细讨论了图像预处理、特征提取及Hopfield网络训练与识别这三个重要环节。针对建立好的识别模型,系统仿真情况下,符号识别率达到100%;在实际操作过程中,当训练样本数充足,样本来源可靠的情况下,识别率高达96%,基本实现预期效果。     

光电器件近年来的发展趋向

文章从不电器件的单元技术、成像器件和垂直腔面发射半导体激光器三方面评述电器件的进展，说明它是一个充满活力的研究领域。     

遥感图像识别中目标特征点提取方法研究

文章首先介绍了图像识别的重要性，接下来主要介绍了一种新的基于目标图像边缘点寻找特征点的方法。最后通过对一个具体算例的研究，说明这种方法的正确性和可行性。     

全光信息网络中的某些关键半导体光电子器件

随着 IP信息业务的指数增长 ,包括以密集波分复用 (DWDM)为基础的光传输、光交换甚至包括光接入的所谓全光网 (AON)将是未来信息网络的核心和发展的必然趋势 .高性能的光电子器件和它们的集成化是发展 AON的基础 .在诸多的光电子器件中 ,论文仅对 AON中某些关键的半导体光电子器件的重要性和发展趋势予以评论 .     

基于特征分析的人脸检测算法的DSP实现

由于监控视频中人脸影像的多角度性和多尺度性,实时视频中人脸的实时检测成为智能监控系统中的关键技术之一。算法首先根据MATLAB统计好的肤色模型确定候选肤色区域,然后依据人脸的形状特征排除非人脸区域,可以实现所有人脸的精确定位;同时采用区域增长的连通域方法来确定人脸候选块,代替了边缘检测等方法,减少了DSP的运算量。算法在ICETEK-DM6437-B评估板上实现。经过测试,该算法可以很好的满足实时人脸检测的要求。     

音素分类用函数链网的训练

提出用于音素分类的函数链神经网的改进训练方法。其基本思想是：用正反例均衡、样本跳转、目标函数修正、学习率自动调整和样本渐增等改善常规的BP算法，以提高其分类性能和收敛速度。文中还提出了一种形象和有效地评价分类器性能的方法—正反例样本分布直方图。实验表明，所提算法能显著改善BP训练性能。将其与结构优化算法结合用于训练和优化汉语辅音‘b’的分类网，可将输入维数由90维压缩到18维，而对其训练集的正识率仅由96.98％减为95.29％。     

自适应主元提取算法及其在人脸图像特征提取中的应用

本文指出了E.Oja将统计主元分析思想用于递推网络与S.Kung自适应主元提取(APEX)算法在提取特征信息上的共同点和差异,证明了该算法的收敛性.仿真结果验证了该算法的收敛性和稳定性,分析了主元数、子图像大小及学习率参数对该算法的影响,说明了该算法在人脸识别中是一种运算量较小的有效特征提取方法.     

声学场景深度识别系统设计

基于视频的监控系统存在很多不足,声学场景识别系统依据基于人耳听觉仿生的目标声音识别技术,积极探索先进的人耳仿生理论、特征提取技术、目标声音分类技术,实现对声音场景进行自动化分类和信息抽取,具有广泛的应用前景。     

一种混合神经网络在颗粒图像边缘检测中的应用

本文提出了一种应用混合神经网络进行颗粒图像检测的方法。混合神经网络由用于对边缘候选图像的二值输入模式进行聚类特征提取的自组织竞争子网络（ＡＳＣＳＮＮ）和用于获取颗粒图像边缘矢量信息的ＢＰ子网络（ＢＰＳＮＮ）组成,边缘候选图像是通过采用基于灰度极小值算法提取的边缘候选象素获得。神经网络以边缘候选图像中的边缘候选象素及其邻域象素的二值模式作为训练样本。对经过噪声污染的图像进行实验表明,该方法获得的边缘图像封闭性好、边缘描述真实,抗干扰能力较强,适用于颗粒图像的边缘检测。     

神经网络在辐射源识别系统中的应用

作者针对当前辐射源识别系统中存在的问题,提出了一种结合神经网络技术的辐射源识别新方法。该方法可以快速高效地识别各类辐射源,既有基于统计分析的辐射源识别系统的快速性,又有基于专家系统的辐射源识别系统的自适应性和准确性。实际仿真结果表明该方法是有效的。     

光纤通信用光电子器件的研究动向

介绍了近年来光纤通信用几种主要光电子器件研究的现状和存在的问题,提出了解决光电子器件研究发展中存在的问题的设想。     

基于免疫学多层防护的业务冲突检测方法

借鉴免疫系统的多层次防御机制和抗原识别,免疫学习,协同刺激,克隆选择以及阴性选择等免疫原理,该文提出了一种基于免疫学多层防护的业务冲突检测方法,不仅能够检测出已知的业务冲突,而且能够逐渐识别未知业务冲突。实验和研究结果表明该方法能够有效检测各种增值业务间的冲突,具有较高的检测率和检测效率,良好的扩展性和适应性。     

一种新的语音和噪声活动检测算法及其在手机双麦克风消噪系统中的应用

针对现有双通道语音活动检测(Voice Activity Detection, VAD)算法依赖于固定阈值难以在多种噪声环境下准确地检测语音和噪声,应用于手机消噪系统会造成语音失真或噪声消除不好等问题,该文提出一种基于神经网络的VAD算法,该算法以分频带能量差和归一化互通道相关为特征,采用神经网络对语音和噪声进行分类。在此基础上,将神经网络VAD与基于互通道信号功率比值的VAD相结合,提出一种新的适用于手机消噪系统的语音和噪声活动检测算法分别对语音和噪声进行检测,并以此进行噪声抑制处理,减少了消噪系统因VAD误判而造成的性能下降。实验结果表明,该处理方法在抑制背景噪声和减少语音失真等方面优于现有的消噪算法,对于方向性语音干扰也有很好的抑制效果。     

基于滑动窗口和卷积神经网络的可穿戴人体活动识别技术

由于缺少统一人体活动模型和相关规范,造成已有可穿戴人体活动识别技术采用的传感器类别、数量及部署位置不尽相同,并影响其推广应用。该文在分析人体活动骨架特征基础上结合人体活动力学特征,建立基于笛卡尔坐标的人体活动模型,并规范了模型中活动传感器部署位置及活动数据的归一化方法;其次,引入滑动窗口技术建立将人体活动数据转换为RGB位图的映射方法,并设计了人体活动识别卷积神经网络(HAR-CNN);最后,依据公开人体活动数据集Opportunity创建HAR-CNN实例并进行了实验测试。实验结果表明,HAR-CNN对周期性重复活动和离散性人体活动识别的F1值分别达到了90%和92%,同时算法具有良好的运行效率。     

基于上下文聚合网络的图像去噪性能分析

近年来,随着神经网络理论的拓展,神经网络模型在图像处理领域得到了广泛的应用。利用上下文聚合网络实现双边滤波器算子逼近,分析其图像去噪性能。结果表明,逼近双边滤波算子的上下文聚合网络能够实现图像降噪,改善图像质量,且处理效果优于传统的双边滤波器。此外,对比分析了上下文聚合网络和去噪卷积神经网络的图像去噪性能。相比于去噪卷积神经网络,逼近双边滤波运算的上下文聚合网络处理多幅图像的速度更快,时效性更好,且随着处理图片数量增多,性能越优。相反,去噪卷积神经网络的去噪性能更优,但处理速度慢。     

基于软计算集成的入侵检测技术

软计算技术越来越广泛地应用于解决各领域的实际问题。文章将多种不同软计算技术的集成应用于入侵检测。由于网络攻击事件的日益增多,建立有效的入侵检测系统对保护信息安全是非常必要的,但要实现这一点仍面临巨大的挑战。分析了两种类型的软计算技术：人工神经网络和支持向量机。实验证明这两种方法的集成在入侵检测的检测精度方面要优于单一方法。     

基于HMM和ANN的语音情感识别研究

语音情感识别是语音识别中的重要分支,是和谐人机交互的基础理论。由于单一分类器在语音情感识别中的局限性,本文提出了隐马尔科夫模型（HMM）和人工神经网络（ANN）相结合的方法,对高兴、惊奇、愤怒、悲伤、恐惧、平静六种情感分别设计一个HMM模型,得到每种情感的最佳匹配序列,然后利用ANN作为后验分类器对测试样本进行分类,通...     

基于BP神经网络的说话人识别技术的实现

说话人识别就是从说话人的一段语音中提取出说话人的个性特征,通过对这些个人特征的分析和识别,从而达到对说话人进行辨认或者确认的目的.神经网络是一种基于非线性理论的分布式并行处理网络模型,具有很强的模式分类能力及对不完全信息的鲁棒性,为说话人识别技术提供了一种独特的方法.BP(Back-propagation Neural Network)是一种非循环多级网络训练算法,有输入层,输出层和N个隐含层组成.首先概述了语音识别技术,介绍了BP神经网络训练过程的7个步骤及其模型,如何建立BP神经网络模型.同时介绍了与其相关的特征参数的提取,神经网络的训练和识别过程,最后,通过编程在Linux系统下实现说话人身份的识别.     

基于空间分布分析的混合失真无参考图像质量评价

针对难以准确有效地提取混合失真图像质量特征的问题,该文提出一种基于空间分布分析的图像质量评价方法。首先将图像进行亮度系数归一化处理,然后将图像进行分块,利用卷积神经网络(CNN)进行端对端的深度学习,采用多层次卷积核堆叠的方法获取图像的质量感知特征,并通过全连接层将特征映射到图像块的质量分数。再将块质量分数汇总获取质量池,通过对质量池中局部质量的空间分布情况进行分析,提取能够表征其空间分布情况的特征,然后采用神经网络建立局部质量到整体质量的映射模型,将图像的局部质量进行汇总。最后在MLIVE, MDID2013, MDID2016混合失真图像库中进行性能测试以及与相关的对比算法进行比较,验证了该算法的有效性。