超网络道路限速标志识别

限速标志识别系统是智能交通系统的一个重要组成部分,它能有效地辅助司机安全驾驶.针对限速标志的数字字符识别问题,提出一种基于超网络模型的模式识别方法.首先介绍了超网络计算模型及其分类原理;然后采用颜色分割和形状分析相结合的方法对限速标志进行定位,并提取出限速数字字符特征;最后以限速字符的特征向量为训练样本对超网络模型进行演化学习.本文使用超网络模型对限速标志20、40、60、80 km/h进行识别.实验结果表明,基于超网络模型的道路限速标志识别系统最快只需3次迭代便可以完成对样本的学习,识别率为96.15%.和其它传统模式识别方法相比,该模型具有学习时间短、识别率高的优点,为解决现实应用中的道路限速标志识别问题提供了可能.     

演化超网络在多类型癌症分子分型中的应用

该文提出一种用于多类型癌症分子分型的演化超网络模式识别方法。首先采用“一对多”方法,将一个多类分型问题转化为多个二类分型问题;然后利用信噪比方法对DNA微阵列数据进行信息基因选择;经过超网络对训练集的演化学习,构造一系列二类分类器并进行集成,最终构建一个多类型癌症分型系统并对待测样本进行分类。对急性白血病、儿童小圆蓝细胞肿瘤和GCM数据集实验结果表明：演化超网络留一交叉验证(LOOCV)识别率分别为：98.61%,100%和85.35%。演化超网络有利于挖掘癌症相关基因,具有良好的学习结果可读性。