基于径向基神经网络的浮游植物分类系统

应用模糊聚类和小波变换提取浮游植物活体的特征光谱,并以此为输入向量,引入径向基函数网络对浮游植物的光谱进行分类识别,建立了适用于光谱识别的径向基函数神经网络系统.结果表明,该方法较传统的统计方法更方便,识别准确率更高.     

一种基于径向基神经网络的车牌字符识别方法

径向基函数神经网络具有局部逼近的能力和局部可调的特性,以车牌字符识别为例,构造了一种实用型的径向基神经网络,并与传统的BP神经网络作了对比.实验结果表明,在车牌字符识别中,径向基网络的识别能力、分类能力及识别速度等均优于BP网络.     

基于支持向量机的雷达信号特征的辨识研究

雷达信号处理是现代雷达系统的核心内容之一,其直接影响着雷达系统的适用范围和工作性能等。而对雷达信号的有效识别是对未知雷达信号进行预判的重要组成部分。基于支持向量机(SVM)对四种不同的雷达信号智能辨识,选取径向基核函数(RBF)作为支持向量的非线性映射函数,经过理论推导得出惩罚因子c和核函数参数g是影响其分类性能的重要因素。利用粒子群(PSO)优化SVM的两个重要参数。结果表明,在没有进行参数优化的SVM的分类性能极其不稳定,识别准确率在79.6992%~90.2256%之间,而经过PSO优化的SVM分类准确率高达100%,有效证明了优化方法的有效性,实现了基于PSO优化的SVM雷达信号的准确识别。     

局部场电位和微分特性影响下神经元网络发放锋电位的检测

在利用多电极阵列(multielectrode arrays,MEA)记录离体培养海马神经元网络的电生理研究中,发现电极附近神经元群体同步放电形成了局部场电位(local field potential,LFP),同时细胞外记录信号为跨膜电压信号的微分,这些因素使检测网络发放的锋电位遇到困难。为正确检测锋电位(spike),在综合比较多种检测方法的基础上,提出一种改进的峰值检测法,以0.6ms为判决阈值,有效解决了原峰值检测法因滑动窗分界导致的重复检测。通过该方法检测发育成熟的网络发放的锋电位,虚警率和漏报率分别为:5%±1%和2%±1%,效果优于传统的阈值检测法。上述结果表明,改进的方法适合于神经元网络电活动的研究。     

带式输送机托辊故障检测方法

针对现有输煤传送机托辊故障检测方法存在识别精度较低、抗环境干扰能力较差、无法长期稳定运行等问题,提出了一种基于融合信号（TFM）及多输入一维卷积神经网络（MI-1DCNN）的输煤传送机托辊故障检测方法。首先,通过拾音器采集输煤传送机沿线托辊运行的音频信号,采用dB4小波无偏风险估计阈值降噪法对信号进行预处理,消除背景噪声,提高信噪比。然后,对降噪音频信号的时域、频域和梅尔频率倒谱系数（MFCC）及其一阶二阶差分系数进行归一化处理,并进行拼接,得到特征TFM。最后,将TFM输入到多尺度卷积核的MI-1DCNN模型,在网络通道末端进行特征融合,通过Softmax函数完成对正常托辊和故障托辊的分类识别。以某煤矿实际采集的输煤传送机托辊音频信号样本对TFM-MI-1DCNN模型进行试验,结果表明：故障托辊平均识别准确率达98.65%,较改进小波阈值降噪-反向传播-径向基函数网络、MFCC-K邻近方法-支持向量机的平均识别准确率分别提高了1.50%和1.03%。现场应用结果表明：该方法下故障托辊平均识别准确率为98.4%,说明该方法适用于现场应用。     

基于组合核函数的径向基过程神经网络及其在示功图诊断中的应用

针对复杂时间信号动态模式分类问题,提出了一种基于局部核函数与全局核函数组合的径向基过程神经网络(RBFPNN)模型。考虑时间信号过程特征的多样性和复杂性,以及核函数对信号分布形态特征的局部与全局表征能力,通过将具有全局性质的多项式核函数与具有局部性质的高斯核函数进行线性叠加,构成组合核函数,以此建立一种新的径向基过程神经网络,从信息模型上改善RBFPNN对动态样本复杂过程特征的抽取和记忆性质,提高网络对时间信号特征的辨识能力。分析了基于RBFPNN的性质,建立了基于混沌遗传算法CGA的模型参数优化算法。以基于示功图的往复运动机械工作状态诊断为例,实际资料处理结果验证了模型和算法的有效性。     

MEA信号锋电位的小波变换分类

小波变换是信号处理领域最近若干年发展起来的先进方法，对信号的时域信息和频域信息都有很好的表现。我们利用小波变换对MEA信号的锋电位数据矩阵进行小波分解，将各锋电位变换后的最后一个尺度的逼近信号和各尺度上的细节信号的方差对波形非相似性测度的贡献率的大小作为依据，鉴别波形的不同。找出贡献率和大于90％的8个数据进行系统聚类，大大地降低了数据的维数和计算机的机时，并得到了很好的分类结果。     

基于多二维RBF神经网络的航空雷达信号分选

针对航空雷达信号分选中侦察装备普遍存在的信号分选实时性差,分选结果经常出现增批、漏批现象的缺点.为了提高侦察系统在复杂电磁环境下准确快速的分选出雷达辐射源信号,根据径向基(RBF)神经网络通过理想数据训练后能够对未知数据进行分类的特点,将径向基神经网络算法用于对航空雷达侦察信号的分选,在此基础上提出了一种新型多二维径向基神经网络结构,通过与BP网络、RBF网络的对比,多二维径向基神经网络的识剐率优于其它几种网络,而且其结构便于实现.通过试验结果可以得出,多二维径向基神经网络能够提高雷迭信号分选的准确率.     

表情识别中支持向量机核函数选取研究

支持向量机表情识别的准确率和时间消耗取决于核函数选取和特征数目。该文讨论了支持向量机的表情分类和核函数的实验方法,并进一步探讨了核和特征数目与识别准确率和时间消耗的关系。基于JAFFE数据库和LibSVM2.86的实验表明,随着特征数目的增加,训练时间呈指数增长,交叉验证准确率先增加后降低,表现为某种单峰分布。同时表明,线性核时间消耗最小,径向基核在特征数目较小时,具有最好的识别率,而在特征数目较大时,线性核最优。综合时间和识别率考虑,在低维时,优先选用径向基核,高维优先选用线性核。     

针对锋电位的启发式阈值检测算法

作为植入式脑电信号处理的关键环节,锋电位检测的精确度将直接影响后续脑电信号的解码与分析.提出了一种基于启发式阈值的锋电位自动检测算法.通过对椭圆滤波器参数的优化,降低了原始信号中有用信号衰减程度,实现了较低幅值锋电位的有效保留.并且启发式阈值的设定大大降低了采集环境引入的混杂噪声干扰,实现了具有鲁棒性的锋电位自动阈值检...     

基于EMRBF情感神经网络的人脸识别

在现有RBF神经网络基础上引入情感因子,提出了一种情感径向基神经网络（EMRBF）,给出了EMRBF的结构,定义了新的训练准则函数,推导出了EMRBF网络权值训练算法,把EMRBF网络用于人脸识别系统。先采用PCA和LDA相结合进行人脸特征提取．然后设计EMRBF人脸分类器。在ORL人脸库上的实验结果表明,EMRBF网络的识别率达到98％,与普通RBF神经网络相比,性能明显提高。     

基于S变换和径向基神经网络的暂态电能质量扰动识别

提出一种基于S变换和径向基神经网络的暂态电能质量扰动识别的方法。该方法首先用S变换对暂态电能质量扰动波形进行预处理,使用统计的方法提取了5个相关特征量,然后用径向基神经网络对提取的特征量样本进行分类。仿真结果表明,该方案正确率高,抗噪声能力强,训练样本少,响应快速。     

一种新颖的眼部状态识别方法

在疲劳驾驶检测中,对眼部状态的判断是关键的步骤之一.为了对眼部状态进行有效的识别,提出了一种新颖的眼部状态识别方法.该方法用眼部图像中的某些点的纹理单元的N.值作为输入特征值,用径向基函数神经网络(RBF)作为分类器.为了进一步提高分类的准确性,又采用了Bagging方法.试验结果表明,该方法易于实现,准确度高,速度快,不受光照条件的影响,可以应用于实际.     

基于改进Canny算子和神经网络的人体行为识别模型

为了提高了人体行为识别的正确率,提出了一种基于改进Canny算子和神经网络的人体行为识别模型（ICanny-RBF）。采用改进Canny算子对人体行为图像进行预处理,提取人体行为轮廓,提取7个不变矩特征作为RBF神经网络的输入向量,训练出能够识别人体行为的RBF神经网络模型,并采用取k-means算法确定RBF神经网络聚类中心,采用Weizmann数据集进行仿真实验。仿真结果表明,与传统方法相比,提出的ICanny-RBF模型提高了人体行为的识别正确率。     

基于小波和RBF神经网络的手写体数字识别

针对传统的手写体数字识别技术的局限性，本文提出了基于小波和RBF神经网络的手写体数字识别方法，即利用小波较强的去噪功能以及RBF神经网络学习快速、容错性较好等优点来解决手写体数字识别的问题。实验表明，该方法的识别正确率较高。     

利用基于小波特征提取的网络模型解析色谱重叠峰

提出了一种新的色谱重叠峰解析模型——基于小波特征提取的RBF神经网络模型。首先利用小波变换奇异性的检测原理,从原始色谱信号中提取特征点,这些特征点蕴含了反映色谱峰形状的信息,包括重叠峰个数、保留时间等信息。由小波变换获得的特征点来确定RBF网络的隐节点数目和网络参数的初值,即将拐点对数作为隐节点数目,将峰宽估计值作为输出层连接权的初值,将峰高估计值作为隐节点宽度的初值。再用RBF网络来拟合原始重叠色谱信号,梯度下降法训练后获得的网络参数作为解析结果,实现了重叠色谱峰的分离。实验结果表明:本方法快速、准确、可靠,能有效解析未知组分数的重叠峰。     

改进的RBF网络及其参数优化方法

该文提出了一个改进的RBF网络及其参数优化方法。将典型的三层RBF网络改为一个两层RBF和一个单层感知器的串联网络。参数优化方法自动确定核函数个数,并根据核函数输出误差用BP算法修正核函数中心和宽度。根据样本分布的不规则性,引入了子类的概念,使每个类由若干子类覆盖,每个类生成一个单独的网络。实验表明,这种方法能得到较优的网络结构及其参数,并且提高了RBF网络中BP算法的收敛速度。     

基于Boosting RBF神经网络的人体行为识别

提出一种基于Boosting RBF神经网络的人体行为识别方法,该方法利用规范化的运动历史图像（MHI）进行图像序列表示,从中提取Zernike矩的统计描述特征,然后提出Adaboost算法自适应地选择图像序列的特征作为RBF神经网络的输入,为了进一步提高神经网络的泛化能力,采用一种调整权值分布,限制权重扩张的改进的Boosting方法,分类器以加权投票方式进行分类决策。实验结果表明,提出的方法能够有效地识别人体运动类别。     

基于径向基函数神经网络的非线性模型辨识

从径向基函数（RBF）神经网络原理分析出发，提出了一种基于RBF神经网络学习算法，用于对非线性对象模型的拟合与辩识，并将此方法用于实际非线性模型的学习与辩识。结果表明，基于RBF的神经网络可快速完成对样本的学习与拟合，对具有连续特性的线性与非线性模型，具有快速实时的学习速度和优良的学习性能。     

基于径向基函数神经网络的网络流量识别模型

提出了一种基于径向基函数神经网络的网络流量识别方法。根据实际网络中的流量数据,建立了一个基于RBF神经网络的流量识别模型。先介绍了RBF神经网络的结构设计及学习算法,针对RBF神经网络在隐节点过多的情况下算法过于复杂的缺点,采用了优化的算法计算隐含层节点。仿真实验证明,该模型具有较好的准确率、低复杂度、高识别效果和良好的自适应性。