一种基于神经网络匹配的指纹识别算法

指纹特征的提取是自动指纹识别的关键技术之一。针对现存的许多指纹特征提取算法中的旋转和平移等问题,本文提出了一种基于神经网络匹配的脊线分叉点提取算法。该算法通过一个多输入、单输出三层前向神经网络提取脊线的分叉点。并且在FVC2000(国际指纹竞赛数据库)上作了测试。实验结果表明,本文提出的算法对指纹的平移和旋转都具有良好的不变性。     

基于极坐标的改进灰度积分投影法的人眼检测

为了克服传统灰度积分投影方法无法有效定位旋转人脸图像中人眼的缺点,提出了一种基于极坐标系的灰度积分投影方法。利用肤色特征对给定图像进行人脸区域的确定,在人脸区域内按极角方向进行灰度积分投影,确定出人眼所在角度,将人眼角度方向的像素灰度值做水平方向积分投影,从而确定出人眼的位置。该方法能够实现同一幅图像中多个不同姿态人脸的人眼定位。大量的仿真实验表明,该方法的识别性能对人脸的旋转变化具有良好的鲁棒性,能够提高灰度积分投影方法对人眼定位的适用范围。     

树脂浇注干式变压器三维温度场仿真计算

为便于诊断干式变压器的故障,对干式变压器进行热点分析.根据干式变压器实际结构建立了三维对称热传导模型,并基于多物理场有限元软件平台Comsol Multiphysics对干式变压器开展温度场仿真计算,计算得出温度场分布云图以及铁芯、绕组温升曲线.通过比对实际数据和仿真分析结果,从而确定温度分布及最热点温度位置在低压绕组距底部2/3处,可为该类干式变压器的在线诊断及结构优化设计提供理论依据.     

基于神经网络的刑事案件量刑决策系统

为了给刑事案件量刑提供一个客观公正的参考,提出了一种基于神经网络的量刑决策系统.根据案件的具体细节情况,确定案件各种量刑情节的有无,并将其作为分类和决策的特征量,确定刑罚的种类以及刑期的长短.为提高网络的决策性能,针对梯度学习存在的局部极小和假饱和等现象,提出了基于混沌退火的学习算法,进一步提高了网络的决策能力.大量的仿真实验表明,该决策网络能够给出一个客观、公正的量刑结果.     

基于改进YOLOv5的动车组关键部件缺陷检测

针对目前动车组(electric multiple units,EMUs) 关键部件缺陷检测模型复杂、小目标漏检率高和检测效率低的问题,提出一种基于改进YOLOv5的缺陷检测方法。该方法在利用生成对抗网络(generative adversarial network,GAN)进行数据增强的基础上,采用轻量级网络MobileNetV3-large对YOLOv5m主干网络进行替换,同时使用深度可分离卷积优化颈部3×3网络结构,以降低模型的参数量和计算量;在改进后的主干网络中引入坐标注意力机制(coordinate attention,CA),以捕获小目标的位置信息和通道信息,增强网络的特征表达能力;对非极大值抑制(non-max suppression,NMS)算法进行优化,融入重叠检测框中心点的位置信息,以提升预测框的定位准确性。在EMUs缺陷数据集上的实验结果表明,本文提出的检测模型相较于YOLOv5m,参数量减少了77%,计算量降低了80.9%,单张图片的检测时间减少了31.7%,平均精度均值(mean average precision,mAP)可达到0.804。另外,在NEU-DET数据集上的实验结果表明,改进后的模型也具有较强的泛化能力。     

基于迟滞神经网络的风速时间序列预测

为了改善风速时间序列的预测性能,提出了一种基于迟滞神经网络的预测方法.通过改变神经元激励函数的方式将迟滞特性引入神经网络中,以增强历史输入对当前响应的影响,从而提高有用信息的利用率,提高风速时间序列的预测性能;借助于相空间重构理论构造风速预测训练样本,采用梯度下降法对网络权值进行训练,利用遗传算法对迟滞参数进行优化.仿真结果表明:与传统神经网络及ARMA模型等方法相比,迟滞神经网络能够有效减小风速时间序列的预测误差,提高预测性能.     

改进滑模面的自适应终端滑模混沌同步控制

为了提高混沌同步误差在滑模面上的收敛速度,提出了一种改进的终端滑模面,并设计了自适应终端滑模控制律,改善了混沌同步控制性能。在终端滑模面中引入系统状态量的幂指函数积分项,提高了误差沿滑模面的收敛速度。针对同时考虑系统中存在未知参数、不确定项及外部扰动的混沌系统的同步控制问题,设计了自适应终端滑模控制律,实现了混沌同步系统的滑模控制,并对系统的稳定性进行了证明。将所设计的滑模控制方法应用于混沌同步控制系统中,相比于传统终端滑模控制方法,改进方法能够明显提高误差的收敛速度。仿真实验验证了所提方法的有效性。     

基于改进深度森林的运动想象脑电分类方法

基于运动想象的脑电信号是用户在执行不同运动想象任务时采集到的不同脑区的电信号.受到用户的大脑结构和头皮状态等因素影响,采集到的运动想象任务信号之间混乱,从而导致大量信号被错分.鉴于此,提出一种基于改进深度森林的运动想象任务信号分类方法.首先,利用变长粒子群算法强大的寻优能力,为深度森林中每一层的随机森林和完全随机森林预测的类概率值搜寻最优权重;然后,将此权重赋予对应的类概率值,以此实现对结果修正目的;最后,利用BCI竞赛IV的数据集2a评估所提出方法的有效性.实验结果表明,相比传统的深度森林,该方法对四分类运动想象脑电信号实现了更高的分类准确率.所提出方法根据分类器预测的结果进行学习,对于提升分类器性能的研究具有重要意义.     

基于幂函数载波的混沌退火搜素算法

提出了一种用于求解组合优化问题的混沌优化策略.在寻优过程中,利用混沌搜索的方法确定解矩阵的变化位置,使得解矩阵在合法解空间内不断遍历寻优.为提高混沌搜索的充分性和遍历性,混沌载波采用幂函数载波的方式,并结合模拟退火的思想来确保算法具有跳出局部极小到达全局最优的遍历寻优能力.该算法可用于多种实际工程问题的求解中.仿真结果验证了该算法的有效性.