粗糙集理论在信息融合中的应用

针对信息融合中常遇到的数据超载问题,提出采用粗糙集与神经网络结合的方法。该方法利用粗糙集理论分析数据,挑出有用属性并删除多余属性,从而减小数据集的大小,进而缩短训练时间,提高了效率,同时又不损失源数据集中包含的有用信息。     

基于遗传算法的PID控制策略的研究

PID控制器,是应用最为广泛的一种自动控制器,阐述PID控制的典型结构,调节方法,主要阐述基于遗传算法的PID控制策略.     

基于神经网络的变流量管路摩阻系数计算

应用改进的BP神经网络算法对过渡区内流量变化下的蒸汽管路摩阻系数进行了预测,解决了因蒸汽流量变化而使得摩阻系数值计算过程复杂繁琐、效率低下的问题。实例表明,该方法得到的仿真值与Colebrook方程计算值符合较好,所产生的误差平均水平能够满足工程计算的精度要求。     

BP神经网络在学生综合考评中的应用

学生的综合考评成绩是需要从多个方面来衡量的,评议者在为学生打分时易受主观因素影响,建立综合考评的评价体系,将各个评价指标客观化,使用成绩向量作为输入,经由BP神经网络输出得到合理的分数。实验仿真表明,通过训练的BP网络可模拟一个稳定的评分系统。     

基于神经网络和模式匹配的股票预测研究

BP神经网络是分析股票数据最流行的工具之一.近期对模式匹配算法的研究表明模式匹配简化了股票趋势预测的复杂度并为股票市场预测提供了一种简单有效的方法.文中分别阐述了BP神经网络和模式匹配识别的原理,并提出将两种算法相结合,建立一个基于BP神经网络和模式匹配识别的股票市场分析和预测系统.这个系统克服了神经网络预测系统目标函数存在局部最小和模式匹配识别预测系统缺少股票价格自身变化特性的缺点,具有两种算法在股票预测应用方面的优势.通过对泰山石油的股价进行分析来测试这个系统.实验结果表明此方法不仅收敛速度快、预测精度高,而且易于操作,具有一定应用价值.     

数字图像边缘检测方法的分析与研究

一幅数字图像就是一个信息系统,大量的信息是由图像的边缘提供的.在图像处理问题中,边缘作为图像的一种基本特征,为人们描述或识别目标以及解释图像提供了一个重要的特征参数.边缘检测是数字图像处理与分析的基础内容之一,在图像处理中占有很重要的地位,其算法的优劣直接影响着所研制系统的性能.介绍了边缘检测技术的基本原理,描述了几种边缘检测方法,对各种方法的优缺点进行了分析,并通过试验对不同算子边缘检测结果进行了详细的分析与比较.最后指出在实践中应根据待解决问题的特点和要求决定采用最优的检测方法.     

基于DSP的数字电子负载控制器设计

为改善传统的电子负载的可靠性和适应性差的问题,设计了一种基于DSP的高速数字控制器。该控制器利用数字PID控制的优点,以定点32位DSPTMS320LF2812为控制环的数字电子负载,具有根据设定值快速调整负载电压和电流的特点,较好地满足了测试系统快速性和稳定性的要求,不仅精度有了一定的提高,而且提高了电子负载控制系统的稳态和动态特性。试验结果表明,采用DSP作为控制器的数字电子负载,更适合于对控制性能要求较高的电源测试场合,具有广阔的应用前景。     

轴承变载荷压力实验系统设计

针对现有轴承实验台的加载力不可按照任意载荷谱调节的缺陷,提出了PLC与虚拟仪器共同控制的方案.下位机采用PLC进行简单可靠控制,上位机采用虚拟仪器进行复杂的加载控制.详细阐述了控制方案及与PLC传输协议协调的实现方法.在允许的载荷输入范围内,该方案通过实验台加载力的可调输入,进行设定载荷谱试验,使试验时间有效缩短.试验结果表明,该方案灵活,且成本低,满足了产品测试需求.     

利用综合特征提取的数字图像版权保护算法

为了有效地保护和验证数字媒体作品的版权信息,提出一种区别于传统嵌入式鲁棒水印的数字水印算法.算法中所提取的特征是由区域亮度和纹理特性所组成的综合特征,其中亮度特征的提取利用了扩展盒中脑神经网络(gBSB)的聚类功能,对于区域的纹理特征,则是通过分析其直方图统计矩来提取的.仿真结果表明,该水印方案对于常规的信号处理及几何变换攻击具有良好的鲁棒性,是一种实用的、有效的数字图像版权保护水印算法.     

基于神经网络的鲁棒NLOS误差抑制算法

提出一种基于Kalman滤波器和神经网络(NN)的非视距(NLOS)误差抑制算法。根据到达时间(TOA)测量值的特点和NLOS误差的统计特性,推导出Kalman滤波器输出无偏估计所需满足的条件,利用NN估计该条件中的环境参数,实现NLOS误差抑制。仿真结果表明,该算法在估计精度和算法鲁棒性方面均具有较好的性能。