基于话者特征图案的BPNN话者模型

该文提出了一种用于说话人识别的基于话者特征图案的BPNN话者模型,该话者模型解决了语音信号的时长变化与神经网络输入层结点数固定不变之间的矛盾。利用VQ技术对所有话者的语音样本训练出话者特征图案,再将语音样本对该特征图案进行映射,在映射域解决了语音样本的时间规正问题。同时,该方法还提高了映射域参数的模式分类能力。     

基于BP神经网络的参数自整定PID控制器仿真研究

PID控制是迄今为止在过程控制中应用最为广泛的控制方法,但在实际应用中,其参数整定仍未得到较好的解决。把神经网络技术应用在PID控制中,充分利用神经网络具有非线性函数逼近能力,构造神经网络PID自整定控制器,并通过MATLAB仿真试验,取得较好的效果。     

基于BP神经网络的图书馆网站评价方法

在建立符合图书馆网站特点的评价指标体系的基础上．探索一种运用BP神经网络对图书馆网站进行评价的方法。概述BP神经网络及其基本原理。并详述基于BP神经网络的图书馆网站评价模型的建立过程,包括神经网络结构的确定、网络学习,以及网络检验等。将该模型应用于实例检验。得到较满意的结果。     

基于形态学与不完全树形小波分解的图像纹理特征提取算法

针对不完全小波树形结构分解提取纹理特征仅对清晰度高的图像效果佳,运算速度慢的问题,提出基于形态学预处理的不完全小波树形分解快速提取图像纹理特征的算法。首先采用形态学高帽—低帽变换对图像进行预处理,去除图像噪声,增强对比度;在提取纹理特征时,采用一致性判别;对于一致性强的图像,只利用图像的一部分进行不完全小波树形结构分解提取出能量、方向性等纹理特征,提高了运算速度;最后使用双概率神经网络(DPNN)的方法自适应地对纹理图像进行识别。利用Brodatz纹理库进行了仿真实验,并将该算法应用到了现场拍摄的海水中藻类细胞图像的识别。实验结果表明,该算法特征提取和识别速度快,尤其对于清晰度不高、现场拍摄的纹理图像具有较好的效果。     

BP Neural Network Classification of Remote Sensing Images based on DT\|CWT Decomposition

In order to solve the ambiguity and uncertainty of high resolution multi\|spectral remote sensing image classification and to better overcome the influence of noise,a new BPNN（Back Propagation Neural Network）classification method of multi\|spectral image,based on DT\|CWT decomposition,is presented in this paper.First,the NDVI and texture features of the image are extracted to reduce the classification uncertainty caused by the problem of different objects having the same spectrum and the same objects having different spectrum in the image,then,the original spectral band,NDVI and texture features of the image are decomposed by DT\|CWT to extract the Low\|frequency information of the image,as well as to reduce the image noise and the presence of “salt and pepper” in the classification.Finally,the extracted low\|frequency sub\|graphs are input to the BP neural network and classified according to the trained network to obtain the final classification result.The results of the comparison show that the proposed method with less miscellaneous points has stronger regional consistency,higher classification accuracy and better robustness.     

基于支持向量机的径向基网络结构优化

为了解决径向基网络（RBF NN）结构设计的随机性,进一步优化RBF网络性能,提出一种基于支持向量机（SVM）的径向基网络结构优化方法。通过训练得到的SVM确定径向基网络的隐层节点个数、隐层权值和阈值;同时利用SVM对输入向量进行特征变换,进一步对输入向量进行维数约简。通过齿轮箱的故障诊断实验表明,优化后的RBF网络具有更精简、稳定的网络结构,能得到更准确的诊断结果。     

矢量积小波变换

1 矢量小波函数方程Ψ(x)=sum from k=0 to N(C_kΨ(2x-k)) (1)称为尺度方程,它在多尺度分析中起着举足轻重的作用。方程(1)的系数可以是实数亦可以是复数,(1)式的解Ψ(x)称为尺度函数。若式(1)有一个可积解Ψ(x),且是L~2(R)中的一个规范正交基,则从下式Ψ(x)=sum from k=0 to N(-1)~k(C_(N-k)Ψ(2x-k)) (2)     

A comparative study of wavelet families for EEG signal classification

Over the past two decades, wavelet theory has been used for the processing of biomedical signals for feature extraction, compression and de-noising applications. However the question as to which wavelet family is the most suitable for analysis of non-stationary bio-signals is still prevalent among researchers. This paper attempts to find the most useful wavelet function among the existing members of the wavelet families for electroencephalogram signal (EEG) analysis. The EEGs considered for this study belong to both normal as well as abnormal signals like epileptic EEG. Important features such as energy, entropy and standard deviation at different sub-bands were computed using the wavelet functions—Haar, Daubechies (orders 2-10), Coiflets (orders 1-10), and Biorthogonal (orders 1.1, 2.4, 3.5, and 4.4). Feature vectors were used to model and train the Probabilistic Neural Network (PNN) and the classification accuracies were evaluated for each case. The results obtained from PNN classifier were compared with Support Vector Machine (SVM) classifier. From the statistical analysis, it was found that Coiflets 1 is the most suitable candidate among the wavelet families considered in this study for accurate classification of the EEG signals. In this work, we have attempted to improve the computing efficiency as it selects the most suitable wavelet function that can be used for EEG signal processing efficiently and accurately with lesser computational time.     

气敏元件阵列评定P25光催化降解甲醛效率的研究

在治理甲醛的方法中,光催化降解技术最具发展前途.而研究过程中测定甲醛浓度的仪器大多分析周期长,操作较繁琐,价格昂贵,无法实现实时在线测试,同时很难与降解装置进行集成,成为更为实用的测试仪器.本文设计一套光催化降解与检测相融合的装置,并提出了一种预测甲醛浓度的新方法.采用金属氧化物半导体(MOS)气敏传感器阵列来评定光催化材料降解甲醛的效率.通过提取10次P25降解不同浓度甲醛的实验数据,采用BP-ANN的定量识别方法进行数据分析,可实现对新样本中甲醛浓度的预测,且预测结果与实际结果间的最大误差仅为4.33％.     

神经网络的西夏字识别技术研究

字符识别是模式识别领域的一个传统课题,汉字和古文字的识别是中文信息处理领域的一个重要研究课题,汉字的识别技术有力地推动了计算机技术的广泛应用。本文对西夏文字的特点以及神经网络的西夏字识别技术的每个环节进行了详细的讨论。     

基于机器学习的文本情感倾向性分析

为实现对网络上电影评论的情感倾向性分析,通过对电影影评数据进行爬取,获取热门的电影评论,利用文本预处理和机器学习算法,完成对数据的训练以及测试,最终构建最优情感分类模型。实验结果表明,在所有词与双词结合并进行jieba的TF-IDF及卡方统计的特征提取下,得到的效果较好,BP神经网络以及多项式贝叶斯算法比较适用于这类文本的分析,尤其以BP神经网络的效果最佳,准确率达到86.2%。     

基于听觉感知和概率神经网络的语音识别模型

提出了一种基于Bark子波变换和概率神经网络（PNN）的语音识别模型。利用符合人耳听觉特性的Bark滤波器组进行信号重构并提取语音特征,然后利用训练好的概率神经网络进行识别。通过训练大量语音样本来构成语音识别库,并建立综合识别系统。实验结果表明该方法与传统的LPCC/DTW和MFCC/DWT方法相比,识别率分别提高了14.9%和10.1%,达到了96.9%的识别率。     

BP人工神经网络在bug分析中的应用

应用于金融领域的软件系统,由于其包含复杂的商业逻辑导致此类系统不但庞大而且逻辑复杂。在此类系统的开发和升级过程中,系统缺陷及错误的寻找、分析常常非常困难且费时,在通常情况下,它往往成为整个项目中后期的瓶颈。运用BP人工神经网络的算法,设计并实现了针对某银行网上交易系统的缺陷及错误分析系统,并且通过实验证实该系统能帮助开发人员提高寻找、分析系统缺陷及错误的效率,进而加快整个项目的进度。     

一种网络流量预测的小波神经网络模型

结合小波变换和人工神经网络的优势,建立一种网络流量预测的小波神经网络模型。首先对流量时间序列进行小波分解,得到小波变换尺度系数序列和小波系数序列,以系数序列和原来的流量时间序列分别作为模型的输入和输出,构造人工神经网络并且加以训练。用实际网络流量对该模型进行验证,结果表明,该模型具有较高的预测效果。     

基于神经网络的电信客户流失预测主题建模及实现

客户流失管理是电信运营商通过对客户需求满意度调查进行有针对性挽留客户的一个重要方法，其中最关键的就是对客户流失行为做出预测。提出了一种基于神经网络的客户流失预测模型。根据行业专家经验值选取分析变量，通过神经网络计算分析变量的权值，建立客户流失预测模型并对客户流失趋势进行预测。该方法与决策树和贝叶斯网络等算法相比，通过使用两次神经网络，从原始数据上千个属性中提炼出与客户流失度相关性较大的属性，分析出的影响流失属性更利于下一步的客户挽留工作。     

基于反向传播神经网络改进的增益修改卡尔曼滤波算法

增益修改的卡尔曼滤波(MGEKF)算法在实际应用时,一般使用带有误差的测量值代替真实值进行增益修正计算,导致修正结果也被误差污染。针对这一问题,提出一种基于反向传播神经网络(BPNN)改进的MGEKF算法,该算法使用训练后的神经网络代替MGEKF的增益修正函数。该算法在网络训练阶段,以实际测量值作为神经网络的输入,真实值修正后的结果作为训练目标;在实际应用中,使用网络的输出修正卡尔曼增益。针对移动单站只测向目标定位问题进行了实验,实验结果表明:该算法与扩展卡尔曼滤波(EKF)、MGEKF、平滑增益修改的卡尔曼滤波(sMGEKF)算法相比:定位精度至少提升10%,并且有更强的稳定性。     

一种快速的矢量量化编码

研究了一种基于均方误差（MSE）测度的矢量量化快速编码算法。算法利用小波变换的特点,合理地构造矢量,便于非线性插补矢量量化技术的使用,也使部分失真排除法的效率大大提高。使用矢量的二范数和距离测度关系的码字排除方法,再结合非线性插补矢量量化技术和部分失真排除法,在搜索编码过程中,有效排除部分候选码字。实验结果表明,相对于穷尽搜索方法,计算量有明显降低,计算时间显著减少。     

基于双射变换的脱机手写数字识别方法

针对传统特征提取和分类方法速度慢、稳定性差、识别率低等特点,提出了一种基于外围结构特征提取的手写数字识别方法。该方法多次少量地提取经过双射变换后的图像外围结构特征,对每一次提取的特征结合BP神经网络生成相应的分类器,对不同特征的分类结果进行融合得出手写数字的识别结果。实验结果表明,该特征提取方法实现简单,运算量小,大大提高了脱机手写数字的识别率和效率。     

一个通用BP神经网络软件包的设计与分析

本文在讨论人工种经网络一般模型的基础上，介绍了BP神经网络的模型，并对模型各部分的机理作了分析．软件包分为初始训练、追加训练和处理三个模块．讨论了训练算法的软件模拟及其中的信息正向传播算法和误差反向传播算法．针对运用BP软件包的目标讨论了参数设计．软件包经测试和实例处理，效果良好．     

PSO-RBF神经网络在电机保护中的应用

针对电机保护只在被测参数达到或者超过设定动作阈值才动作,缺乏预测控制能力,设计了一种基于粒子群的径向神经网络。利用小波变换的时频分解能力、优异的奇异检测能力进行故障特征分量的提取;用粒子群算法和径向神经网络配合优化权重,从而使网络收敛快,训练时间短。通过电动机故障进行仿真实验,结果表明PSO-RBF神经网络实现了对故障的识别。