基于多传感器的神经网络模式识别方法

提出基于样本信息量不减少和减小误差的原则下，提取样本数据的综合指标的处理方法，从而克服传统识别方法中样本数据过大，而且存在误差和干扰，严重影响识别速度和效果的困难。改善了神经网络模式识别的效果。     

基于神经网络模式识别的板形模糊控制器

提出一种基于CMAC(Cerebellar Model Articulation Controller)神经网络的板形缺陷模式识别方法,并基于模式识别结果设计了板形模糊控制器.将模式识别与控制器设计合二为一,利用CMAC神经网络识别出相对于6种常见板形缺陷基本模式的隶属度,直接作为板形模糊控制器的前件部,实现了隶属度的求取功能.通过对板形缺陷特征的分析,合理定义了模糊集合,大大地减少了模糊推理的计算量.仿真结果表明,该板形模式识别方法识别精度高,设计的板形模糊控制器可以快速将板形缺陷控制到期望目标,板形控制性能良好.     

基于气测资料的储层含油气性识别方法

基于气测资料构造适当的综合指标,分别利用模糊模式识别和误差反向传播(BP)神经网络两种方法对储层含油气性进行了分析.结果表明,气测资料与储层含油气性具有较强的相关性.模糊模式识别方法可以用来确定气测综合指标与储层含油气性之间的模糊关系,而且对待识别样品气测资料的随机性具有较强的适应性;神经网络法能够较准确地建立气测综合指标与储层含油气性之间的非线性关系,但在待识别样品气测资料具有随机性的情况下,识别结果具有随机性.利用模糊模式和BP神经网络方法对储层含油气性进行识别具有一定的可行性,能快速为储层含油气性分析提供一定的参考依据,并且前一种方法的识别效果优于后一种方法.     

基于SOM的模糊BP神经网络技术的电梯交通模式识别

电梯交通模式识别是有效实施电梯群控策略的前提.针对电梯交通需求的时变、非线性的特点,提出一种基于自组织特征映射网络(SOM)技术的模糊BP神经网络的电梯交通模式识别方法.该方法将模糊逻辑引进到BP神经网络中,利用SOM算法确定隶属函数,并对模糊规则进行合并,优化网络结构.利用BP神经网络的自学习功能,使模糊逻辑的隶属函数加权系数根据不同的交通模式改变,通过模糊推理,处理交通需求信息,进而实现电梯交通模式的识别.仿真结果表明了该方法的有效性.     

基于改进T-S云推理网络的板形模式识别方法

将云模型与T-S模糊神经网络相结合,利用正态云代替模糊神经网络的隶属度函数,构成T-S云推理网络.该网络综合考虑了模糊逻辑的快速性和云模型处理数据的不确定性,增强了网络处理数据的能力,同时分析了T-S云推理网络的结构和稳定性.在超熵确定的情况下,使用最速下降法辨识了T-S云推理网络的参数,将该网络应用于板形模式识别,并与T-S模糊神经网络作了对比.仿真结果表明:T-S云推理网络抗干扰能力较强,能够识别出常见的板形缺陷,并且识别精度较高.     

自组织模糊神经网络的结构辨识算法

针对自组织模糊神经网络,提出了一种新的结构辨识算法.通过建立输入和输出相似性准则,提出一个用于提取模糊规则的新型聚类算法.所提方法的显著优点是克服了传统神经网络的维度灾难问题.     

基于气测资料的储层含油气性识别方法

基于气测资料构造适当的综合指标，分别利用模糊模式识别和误差反向传播（BP）神经网络两种方法对储层含油气性进行了分析。结果表明，气测资料与储层含油气性具有较强的相关性。模糊模式识别方法可以用来确定气测综合指标与储层含油气性之间的模糊关系，而且对待识别样品气测资料的随机性具有较强的适应性；神经网络法能够较准确地建立气测综合指标与储层含油气性之间的非线性关系，但在待识别样品气测资料具有随机性的情况下，识别结果具有随机性：利用模糊模式和BP神经网络方法对储层含油气性进行识别具有一定的可行性，能快速为储层含油气性分析提供一定的参考依据，并且前一种方法的识别效果优于后一种方法。     

砂泥岩地层概率神经网络岩性反演技术应用研究

概率神经网络是一种基于概率密度函数理论的神经网络,能够广泛地应用于模式识别等领域.针对地震岩性反演预测问题,提出了一种具体的概率神经网络方法,包括网络模型的构造和预测识别步骤等.研究区主要目的层为沙溪庙组沙一段湖滩砂及河道砂体,储层单层厚度小,岩性横向变化较大,利用地震资料进行常规储层预测较困难.为此,根据该区储层的测井响应特征、地震属性特征与地质岩性特征的相关性,利用概率神经网络方法对地震属性数据做变换,从而对地层特征进行预测识别.     

属性测度及其在目标识别中的应用

为了获得一种训练快、精度高、计算量少的雷达目标识别方法 ,研究了属性测度和属性模式识别 ,及属性模式识别在目标识别中的应用 ,并将模糊聚类分析用于属性测度。经过研究发现 ,在不用指标的峰度时 ,可以达到很高的识别效果。与传统的神经网络法相比 ,属性模式识别法在训练速度上得到了大大的提高 ,并在识别效果上优于径向基神经网络法。以雷达目标识别为例证明了该算法的有效性。这为我们研究低分辨雷达提供了一种全新的方法。     

基于模糊距离的BP网络板形信号模式识别的研究

介绍了一种新的板形信号模式识别方法 .该方法基于待识别信号与标准样本之间的模糊距离 ,并将模糊距离作为 BP网络的输入 ,有效地解决了在板材宽度变化时神经网络的拓扑结构形式不变的问题     

基于粗糙-模糊神经网络的焊接图像缺陷识别

针对焊接图像缺陷识别中提取的特征受噪声干扰比较严重以及现有的识别算法准确率低的问题,提出了一种基于粗糙模糊神经网络的缺陷识别算法。该算法充分利用了粗糙集的属性约简、模糊集的处理不精确数据以及神经网络的自学习、对任意函数逼近的优点,有效地解决了不确定建模过程中样本数据受到噪声干扰、模型结构难以确定的问题。仿真结果表明:该算法能有效地提高焊缝图像的缺陷识别能力。     

融合多特征信息的模式识别方法

研究在有不确定知识的情况下,融合多种类特征信息的模式识别方法.首先用模糊逻辑表示关于对象的具有不确定性的经验知识,通过模糊推理可由特征得到关于对象的用基本概率分配函数表示的具有不确定性的模式分类信息.然后利用D-S证据推理的方法最大程度地消除其不确定性,得到对象的最终分类结果.仿真结果证明,该方法对处理具有多种类特征且带有不确定性知识的一类模式识别问题是有效的.通过将模糊推理方法与证据理论的结合能有效利用多种特征的不确定知识对目标进行分类.     

试论企业财务报表的模糊分析

传统数学方法难以解决充满不确定性的财务问题,因此有必要引入模糊数学的方法:首先,对于难以精确描述的财务概念引入模糊集合来表示。接着,需要判定某个确定的事务是否属于该模糊集合,即模糊识别问题。最后,对企业的各类财务指标进行模糊综合评价,得出企业经营状况优劣的结论。     

基于语义构件的甲骨文模糊字形的识别方法

针对殷墟甲骨文字整理过程中大量模糊字形难以识别的问题,提出了一种基于语境的统计分析和Hopfield网络相结合的模糊匹配识别方法。该方法利用语境分析生成的候选字库得到对应的甲骨文语义构件向量,然后结合基于Hopfield网络的识别结果计算待识别的甲骨文模糊字的匹配度,根据匹配度确定目标甲骨字。实验表明,该方法对部分甲骨拓片的模糊甲骨字识别效果较好。     

模糊数学在图像识别中的应用

共晶碳化物分布的不均匀性是反映工具钢质量的重要指标之一。如何定量描述碳化物的不均性，如何客观地评定其级别，这是一个亟待解决的问题。本文应用模糊集理论，构造了三种评定碳化物不均匀性的数学模型，并编制了自动识别的计算机软件。通过实例对它们的优劣进行了比较。结果表明：模型I准确最高，为83％，模型Ⅱ次之，为65％，而模型Ⅲ仅为43％。     

基于模糊神经网络的绩效评价体系研究

为了促进高校教师队伍发展,建立科学、合理的高校教师绩效评价体系,公正、准确的进行绩效评价,解决教师的绩效指标统一标准的问题,将模糊理论和神经网络相结合应用到高校教师的绩效考核研究中,在各项绩效工资考核指标间客观公正地分配权重系数,构建了合理的基于模糊神经网络的高校教师绩效评价体系,并通过实际数据验证了此方法的有效性。     

基于信息熵的导流方案模糊模式识别方法

针对导流方案综合评价中各指标的不相容性,利用模糊模式识别的方法,将导流方案的多个指标合成为一个与最优评价集的相对贴近度,用来描述导流方案的综合效益.以可供选择的4种导流方案为例进行了评价,得到综合效益最优方案.     

含三角模糊参数的线性回归模型的新解法

通过定义模糊参变量之间的左、中、右距离 ,将含三角模糊系数的线性回归问题转化为普通线性回归问题 ,利用普通的最小二乘法来估计回归参数 .同经典的模型与方法相比 ,这一模型与方法既包含较广的信息 ,又可利用线性性、无偏性等与普通线性回归类似的性质 ,应用更广泛 ,为求解模糊线性回归问题提供了一种新方法     

用模糊逻辑法对移动机器人进行路径规划的研究

分析模糊逻辑方法在移动机器人路径规划中存在的问题,建立了移动机器人的运动学模型,提出一种基于行为的移动机器人体系结构,设计了一种用于在未知、非结构化环境中规划机器人移动路径的自组织模糊控制器,模糊规则的制定符合贪心算法的思想．提出了解决“对称无法确定”问题的方法,给出了判断机器人是否进入死锁状态、解除死锁以及判断死锁是否解除的新方法,并在多种环境中用仿真实验验证了这些方法的正确性和合理性．     

用球结构的支持向量机解决多分类问题

支持向量机是从统计学习理论中导出的，从研究二分类开始，发展至今，虽然提出了很多多类别分类的相关算法，但都各有不足之处。提出基于球结构的支持向量算法，适用于规模比较庞大的多类别问题，并对其性质进行了讨论。