基于BP神经网络的交通灯信号识别系统设计

设计一个基于数字图像处理的交通灯信号识别系统。系统主要包含三大模块,分别是图像预处理,BP神经网络设计,GUI可视化界面设计。图像预处理进行裁剪图像大小,彩色图转化为灰度图像并进行二值化处理等步骤。BP网络的设计主要是搭建网络模型,完成训练过程并作出分析。最后设计一个可视化用户界面。系统完成后调试程序,输入样本图像检测识别结果。经过大量测试证明,系统实现了识别功能,达到了识别交通灯信号图像的目的,实现了数字图像识别的可视化操作。     

人工神经网络基团键贡献法预测烷烃闪点

建立了一个基于人工神经网络方法的基团键贡献模型,用于预测烷烃闪点。该模型既考虑了分子中基团的特性,又考虑了基团之间的连接性(化学键)。以16种烷烃基团键作为神经网络的输入参数,研究了44种烷烃的闪点与分子结构之间的相关性。结果表明,闪点预测值与实验值符合良好,绝对平均绝对误差6.0 K,绝对平均相对误差2.15%,优于传统基团贡献法所得结果。该方法的提出不仅揭示了烷烃闪点与分子结构之间的定量关系,而且为工程上提供了一种预测有机物闪点的新的有效方法。     

人工神经网络结合遗传算法在焙炒大米过程中的应用

焙炒是一种全新的使原料淀粉糊化的方法.它用热风替代水蒸气,在高温,短时间的条件下处理原料米,具有无废水污染,容易保存等优点,为食用酒酿制过程中的一种新型技术.通过对焙炒大米的3个指标:糊化率、脂肪含量和氨基氮进行测定,利用人工神经网络技术ANN对上述性能指标和操作参数的数据进行训练学习,得到可以描述焙炒过程操作条件和性能指标之间关系的模型.在所得模型的基础上,利用遗传算法GA对大米的焙炒条件实施优化,对未参与ANN建模的数据进行评价和比较,结果发现,结合使用ANN和GA,能够比较准确地预测对应于期望指标的操作条件,预测结果与实验数据吻合.     

基于RGB颜色信息聚类的光谱反射率重建

针对光谱反射率研究中因训练样本数据量大造成的冗杂等问题,提出了一种基于RGB信息进行聚类的样本分类方法。首先对颜色进行聚类并确定聚类个数,后对每一类光谱反射率使用BP神经网络分别进行重建。对于实验结果,使用ΔE00、均方根误差（RMSE）以及适应度系数等标准进行评价,同时与主成分分析算法进行对比。从实验分析可得出,在聚类数目为7时光谱反射率重建效果最好,这时的平均CIE2000的色差为0.836,平均RMSE为0.014 9,平均适应度系数为99.82%,并且,在最后对重建色差较大的色块进行了优化处理。实验证明,颜色聚类方法可以很好的应用于光谱反射率重建。     

X射线荧光光谱法结合HCA-PCA-BPNN实现塑料快递包装袋识别分类

X射线荧光光谱法与机器学习有机结合,建立现场塑料快递包装袋物证科学精准识别分类模型。利用X射线荧光光谱法对72个塑料快递包装袋样品无损检验,并依据光谱数据,利用定性半定量分析法对塑料快递包装袋初步分类。利用z-score标准化进行光谱预处理,并结合层次聚类、主成分分析和BP神经网络(HCA-PCA-BPNN)建立识别分类模型,确定最佳聚类类别。结果显示,72个样品聚为8类时,模型检验集预测判别正确率为97.9%,预测集预测判别正确率仅为72%,模型识别分类准确度较差;72个样品聚为3类时,模型检验集和预测集预测判别正确率均为100%,识别分类准确度较高,72个样品最佳聚类为3类。研究表明,X射线荧光光谱法结合HCA-PCA-BPNN可以为现场塑料快递包装袋物证无损且准确地识别分类提供一种方便可行的模式。     

基于组合优化的卷烟叶组配方设计

应用BP神经网络建立了叶组配方的主要化学成分含量与其感官质量和烟气化学成分含量之间的非线性映射关系,在此基础上建立了相关的约束最优化模型并求解,由此得到所选取烟叶的最佳配方比例。使用此组合优化方法克服了以往在设计卷烟叶组配方中完全以人的主观判断为标准所带来的相当的盲目性和主观性,从而实现了卷烟叶组配方经验设计与计算机智能设计相结合的组合交互式设计,使设计出的叶组配方更具科学性和合理性。      

基于神经网络的通信系统数据融合测试评估

通信系统效能的发挥已成为制约整个社会发展的关键因素。利用多传感器的资料集成与信息融合技术把来自多个传感器的资料以及相关信息进行分析和综合处理,对通信系统的故障进行诊断定位,可提高系统的有效性和可靠性。人工神经网络为现代复杂大系统信息融合、测试评估及故障定位提供了全新的理论研究方法和技术实现手段。基于神经网络的通信系统数据融合测试评估系统模型,用神经网络的输出结果与真实情况作比较,并根据这些指标综合评估战场态势,定位故障部分,提高系统的有效性和可靠性。     

油茶籽热泵干燥特性及模型研究

为设计、制造油茶籽热泵干燥机提供理论依据,研究不同温度和相对湿度条件下油茶籽的热泵干燥特性,采用7个常用的干燥数学模型和BP神经网络模型对油茶籽热泵干燥过程进行拟合。结果表明,油茶籽的热泵干燥分加速和降速两个阶段,以降速阶段为主,温度越高,相对湿度越低,干燥时间越短,有效水分扩散系数越大,相对湿度为10%和50%时,50、60、70℃下干燥至干基含水量2%所需的时间、最大干燥速率、有效水分扩散系数分别为:21.5、22.5 h,14、17 h,10、14 h,14.0、13.8 g·(g·h)~(-1),18.6、17.0 g·(g·h)~(-1),25.0、20.1 g·(g·h)~(-1),2.830×10~(-9)、2.809×10~(-9)m~2/s,3.784×10~(-9)、3.470×10~(-9)m~2/s,6.503×10~(-9)、4.963×10~(-9)m~2/s;油茶籽热泵干燥所需的活化能为32.0 kJ/mol,从油茶籽中去除1 kg水分需要的最低能量是1 778 kJ,耗电约0.49 kW·h。常用的7种干燥数学模型中Midilli模型的平均R~2值最大、平均RMSE值、SSE值和平均χ~2最小,拟合度最高,所得理论值和实验值之间的平均相对误差为8.97%;而BP神经网络模型在训练、校验、测试过程中,模型拟合度均达0.999以上,仿真结果与实验值间的平均相对误差为4.57%,说明BP神经网络模型能更好的表征油茶籽热泵干燥过程,更准确的预测油茶籽热泵干燥过程中含水量的变化规律。     

基于灰色模型和神经网络的服装流行色预测

针对服装流行色变化规律不稳定和预测准确度不高的问题,首先利用灰色模型对原始数据序列进行预测,然后再利用人工神经网络对残差序列进行预测,最后将两个预测值合并作为预测结果。结果表明混合方法比单一的GM、ANN方法能获得更好的预测值。     

毕赤酵母产伏马毒素B1羧酸酯酶发酵条件和培养基的优化

为提高毕赤酵母重组菌产伏马毒素B1(fumonisin B1,FB1)羧酸酯酶的摇瓶发酵水平,以酶活力为指标,对发酵条件和培养基进行优化。通过单因素试验对发酵条件进行优化。通过Plackett-Burman试验筛选出关键培养基成分,再进行正交试验建立试验数据样本,最后建立误差反向传播神经网络模型进行预测并寻找最优发酵培养基组成。经优化得到的发酵条件:诱导温度28℃,初始p H 6.0,每24 h补加体积分数为1%的甲醇,诱导96 h;优化后发酵培养基组成:蛋白胨23 g/L、KH2PO444 g/L、PTM4 (Pichia trace minerals 4)微量元素溶液1.5 m L/L、K2SO47.15 g/L、Mg SO4·7H2O 5.85 g/L和酵母粉5 g/L。FB1羧酸酯酶酶活力达到402 U/m L以上,较优化前提高了1.19倍。优化后显著提高了重组菌株的产酶能力,研究结果为FB1羧酸酯酶发酵罐优化提供了基础数据。