基于行列扫描的虹膜定位算法

提出一种新的虹膜定位方法。首先用灰度门限法提取虹膜的内边界象素点,然后对瞳孔内部一定灰度范围内的值进行二值化填充,用行列扫描的方法去除瞳孔外围的杂点,初步定位出瞳孔的圆心和虹膜的圆心,最后应用最小二乘法拟合获得精确的瞳孔和虹膜的圆心及半径。     

视线跟踪中基于虹膜识别的一次标定方法

为了简化头戴式视线跟踪系统中的标定过程,提出一种无需添加任何硬件的、基于虹膜识别的一次标定方法.使用者只需在第一次使用头戴式视线跟踪系统时进行标定,再次使用时,系统会自动进行虹膜识别,调出使用者第一次标定时的眼部图像数据来计算当前眼部图像与标定时的眼部图像的相对偏转角和偏移量,得到使用者当前的标定参数.实验结果表明,该方法可以在不影响系统原有精度的条件下,省去使用者每次使用视线跟踪系统时都需要进行的烦琐的标定过程,大大简化了系统的标定,降低了系统的使用复杂度.     

基于高阶统计理论和量子遗传算法的非线性盲源分离算法研究

本文系统分析了非线性盲源分离的模型和现有算法,讨论了非线性盲源分离中解的存在性和唯一性,提出了基于高阶统计理论中联合累积量的非线性盲源分离算法,并采用量子遗传算法进行优化求解.仿真结果表明了算法的有效性.     

基于主动进化遗传算法的模糊聚类技术

为解决基于遗传算法的模糊聚类方法所存在的执行效率低的问题,将定向变异的思想引入到标准遗传算法领域,提出了一种基于主动进化遗传算法的模糊聚类技术,并将该技术应用到模糊聚类问题上．     

多宇宙并行量子衍生遗传算法研究

将量子的多宇宙特性和遗传算法相结合,提出了多宇宙并行量子衍生遗传算法。算法中将种群分成若干个独立的子群体,称为宇宙。给出了不同宇宙数量下的并行拓朴结构,提出了宇宙内采用量子旋转门演化和量子变异,宇宙间采用移民和量子交叉的两种信息交互方式,能有效克服早熟收敛现象,使得搜索效率和搜索能力得到更进一步提高。典型函数优化实验验证了该文所提算法的有效性。     

神经网络与神经计算机 第三讲 神经网络的学习算法

<正> 学习功能是神经网络的主要特征之一。各种学习算法的研究,在神经网络理论发展过程中,起着重要的作用。从40年代Hebb 提出的学习法则,到60年代的感知机学习算法,以及以后的多层网络学习算法和近     

神经网络与神经计算机 第三讲 神经器件

<正> 3-1 概述人工神经网络的实现方法一般有四种:④专用神经器件,②利用专用处理器等实现神经网络的硬件结构,③软件模拟,④光计算机。本讲只讨论第一种方法,其它三种方法将在第四和第五讲讨论。目前,神经器件的研究分为两大类,即硅神经器     

神经网络与神经计算机 第四讲 神经计算机

<正> 4-1 冯·诺曼计算机与神经计算机现在广泛使用的冯·诺曼型数字计算机的基本思想是,在中央处理单元CPU 的控制下,逐次执行指令序列。它的主要特征是串行处理和高速数值运算。但在模式识别、语音合成、人工智能等方面却进展缓慢。而神经网络由于具有高速并行处理,自组织和学习功能等许多优良特性,因而使得模仿生物大脑信息处理功能的神经计算机的研究,展示出十分诱人的前景。     

神经网络与神经计算机 第五讲 光神经计算机

<正> 光神经计算机的研究指的是利用光物理学和光技术,研究神经网络的基本原理,并探讨采用光学器件或光电混合器件实现神经网络硬件系统的方法。本讲先讨论神经网络和光物理学、光技术的关系,以及由此引出的光神经计算机的特征,然后介绍光神经计算机系统的基本结构,以及用光技术实现联想、学习等高级功能的基本原理和基本方法。最后简单介绍光神经计算机的发展前景。     

神经网络与神经计算机 第七讲 神经网络在模式识别中的应用

<正> 7-1 引言神经网络在信息处理应用中的最典型最有希望的领域就是模式识别。作为神经网络的最初模型—感知机模型,就是为模式识别的应用而提出的。从前面几讲我们已经知道,神经网络(特别是多层神经网络)的