基于RS-Fuzzy ART的设备状态监测方法研究

针对Fuzzy ART神经网络在多工况设备状态监测中存在的学习时间过长问题,提出一种基于粗集约简的RS-Fuzzy ART状态监测方法.该方法利用粗集的信息决策表和决策矩阵对设备的监测参数进行约简提取,降低Fuzzy ART输入向量的维数.监测实例结果表明,采用粗集约简提取的监测参数与原监测参数具有相同的监测能力,且可极大缩短网络的学习时间.若将约简提取的监测参数进行联合监测,还可间接消除由于传感器故障或信号传输错误引起的误报.     

一种新的FART分类器

提出了一类基于贴近度理论的模糊ART神经网络模型，简称为CBFART（Closeness Based Fuzzy ART）模型，将模糊数学中的贴近度（Closeness)和择近原则（Closest Principle)概念与自适应共振理论（ART）相结合，形成了一种新的网络模型。该模型的学习以匹配－委托循环为特点，网络分类遵循择近原则，补码编码、匹配－委托和快速委托－慢性重编码方案相结合，保证了网络学习的收敛性和稳定性，并可以做到一次性学习、提高了学习速度。文中对高维样本进行分类仿真，给出了仿真结果，分析表明该模型具有良好的聚类特性，能够稳定地对高维样本进行分类。     

基于脸部检测和Fuzzy ART的乘客检测算法

研究了小汽车内的乘客检测和计数的方法,提出了一种基于脸部检测和Fuzzy ART神经网络的算法.采用光照校正、基于亮度补偿的椭圆肤色模型检测算法和数学形态方法以分割汽车内部的人脸区域和背景区域,使用Fuzzy ART神经网络分类器对脸部区域进行计数.在正常白天天气和光照条件下,该算法能够有效地检测出运动车辆中乘客的数量.     

ART1神经网络在隧道围岩分类中的应用

将自适应共振理论(ART)神经网络模型用于隧道围岩分类,改进了ART1神经网络的工作过程,通过自适应的学习记忆过程,建立了分类模型,有效地避免了人为主观因素的干扰.利用川藏公路二郎山隧道围岩分类样本对模型进行检验,结果表明,ART1神经网络模型性能良好,对隧道围岩分类的精度较高,是一种值得推广和应用的围岩智能分类方法.     

基于主成分分析和ART2网络的车辆波形分类

利用环形线圈车辆检测器,对不同车辆经过环形线圈时产生电磁感应数据进行采集,再对这些维数较大的车辆感应数据,运用主成分分析法对其降维处理,以减少ART2神经网络输入维数,便于对这些数据进一步分类. 通过实验研究可知,这种主成分分析与ART2神经网络相结合的分类方法,使数据通过降维处理,并减少网络的输入维数,不仅大大简化了网络结构,还明显提高了分类的准确性、快速性,加快了网络的学习速率,而且从分类效果上看,也具有很好的正确率.     

基于管件编码和ART2神经网络聚类的船舶管件加工族构造

针对船舶管件加工族构造问题,提出一种基于编码和ART2神经网络的聚类方法。在管件编码中,综合考虑管件的托盘集配时间和结构工艺的特征,采用ART2神经网络实现对管件的自动聚类,形成合理的管件加工族。结果表明,ART2网络聚类方法对处理船舶管件加工族构造问题具有良好的适应性和稳定的分类能力。     

基于遗传算法的 ART2 神经网络数据集优化

为了提高小样本集情况下自适应谐振(ART)神经网络聚类的可靠性,提出了基于遗传算法的ART2神经网络训练集优化算法,克服了ART1神经网络编码的稳定性尚未完全解决和只能接受二进制模式的缺陷.利用遗传算法的全局寻优能力,通过对训练样本集添加适当的边界样本点,并将边界样本点和原样本集有机结合,以提高ART2神经网络的泛化性能.对ART2神经网络聚类算法的适当变更,以适应样本集的变化情况,并避免ART神经网络在不同训练阶段产生不同的聚类结果.实验证明,采用本算法后,ART2神经网络的聚类准确度可提高30%.     

基于ART和Yu范数的聚类方法在齿轮故障诊断中的应用

针对传统聚类方法需预先指定类别个数而导致应用受限的问题,提出一种基于ART和Yu范数的聚类方法,可自适应地确定类别个数。通过对齿轮无标记故障样本的诊断分析对该方法进行验证。从多个角度提取反映故障信息的特征参数集,利用距离区分技术对其进行优选,并结合ART的机制和基于Yu范数的聚类技术,对齿轮故障类别进行诊断分析,并与Fuzzy ART方法的诊断结果进行比较。结果表明,该方法可以有效地对齿轮故障进行区分,且效果优于Fuzzy ART方法。     

基于双重竞争共振机制的模糊ART神经网络

提出了一种基于双重竞争共振机制的模糊ART神经网络模型．该模型将输入节点的竞争共振机制引入到输出类别节点，采用输入节点和输出节点双重竞争共振机制，形成了一种新的模糊ART结构，解决了传统模糊ART网络记忆不稳定问题．将该模型应用于图像分割，解决了传统模糊ART网络图像分割结果随警戒参数的升高而出现的过度分割．实验结果表明，和原始模糊ART算法相比，新算法具有更好的分类识别性能，在飞机目标识别中平均识别率比原始算法提高3％～5％．     

多输入模糊神经网络结构优化的快速算法

采用规则前件提取,以获得较少的高效规则,对模糊神经网络(Fuzzy Neural Network)进行结构优化,解决了在多输入模糊系统中因规则数多导致的结构庞大问题,使之适用于多输入模糊系统．结构学习中采用竞争算法优化隶属函数,保证规则前件提取的高效;参数学习中采用梯度下降法调整网络参数。     

模式分类与识别的新动向

综述了模式分类与识别中的特征抽取与选择、模式分类与识别的传统方法及其研究状况,同时也简介了模式识别中并行处理方法的进展.在模式识别研究中多信息源、多媒体、智能化策略的综合研究将是这一领域的新动向。     

印刷体蒙古文文字识别的研究

分析了蒙文文字的结构特征，论述了蒙文印刷体文字识别的原理，提出了从蒙文文字的预处理到特征提取以及模式分类等各处理阶段的实现方法，并且已将这些方法应用于蒙文印刷体文字识别软件的设计中，试验结果表明这些方法是可行的和高效的。     

人体手背血管图像的特征提取及匹配

为了克服指纹识别系统的一些缺点,该文对一种全新的生物特征识别方法——基于手背的静脉图像的特征识别进行了初步研究。首先利用自主设计的近红外血管图像采集仪提取血管造影的原始图像,然后对采集到的图像作归一化和增强处理,以及进行特征提取和特征匹配算法研究。文中给出了65个小范围样本的匹配试验结果,在拒真率为4.6%条件下,误识率为0。利用手背静脉图像进行个人身份识别是完全可行的,文中提出的方法具有良好的应用前景。     

模式识别理论和技术在语音识别研究中的应用

语音识别是让机器听懂人的说话,并准确地识别出语音的内容和执行相应操作的技术．该文介绍了语音识别发展的过程,语音识别系统的结构和识别过程,模式识别理论和技术在语音识别研究中的应用以及语音识别中的关键技术和面临的问题．最后讨论了语音识别技术存在的优点和不足,并展望了其应用研究的前景．     

建立在SUGENO测度上的最佳拓扑结构聚类方法

Gustafson 和 Kessel 等人为试图识别在同一个数据集合中不同子集类可以有不同拓扑结构这一事实而给出一种最佳 Fuzzy 聚类方法,本文在此基础上,在目标函数中用 Sugeno 测度替代 Fuzzy 划分 m 次幂的权因子,并在不同的子集类中引入不同的拓扑度量,从而建立了一种改进了的 Fuzzy 聚类算法,即 SMFGM 算法(Sugeno's Measure Fuzzy-C Means)。本方法既避免了原有算法中对参数 m 的确定缺乏合理的规则这一困难,又能适用对具有不同子结构形状的数据集进行识别,因而可看作是 Gustafson、Kessel 及 Leszczynski 等人所给出方法的扩充。最后,用本文所提出的方法对四个实例进行了计算,获得了较满意的结果。     

建立在 SUGENO 测度上的最佳拓扑结构聚类方法

Gustafson 和 Kessel 等人为试图识别在同一个数据集合中不同子集类可以有不同拓扑结构这一事实而给出一种最佳 Fuzzy 聚类方法,本文在此基础上,在目标函数中用 Sugeno 测度替代 Fuzzy 划分 m 次幂的权因子,并在不同的子集类中引入不同的拓扑度量,从而建立了一种改进了的 Fuzzy 聚类算法,即 SMFCM 算法(Sugeno's Measure Fuzzy-C Means)。本方法既避免了原有算法中对参数 m 的确定缺乏合理的规则这一困难,又能适用对具有不同子结构形状的数据集进行识别,因而可看作是 Gustafson、Kessel 及 Leszc(?)ynski 等人所给出方法的扩充。最后,用本文所提出的方法对四个实例进行了计算,获得了较满意的结果。     

一种有监督的模糊模式识别模型

给出了一种有监督的两类模式识别模型，该模型允许选取模糊特征，其学习或训练方法是模拟人们认识事物的过程实现的，它是Ｃｏｒａ－３模式识别方法的一种拓广。因此可作为较复杂的智能系统或专家系统的识别模型．     

车辆牌照字符识别

介绍了一个牌照字符识别系统的字符串图像提取部分和字符识别部分 .前者采用基于纹理的分割阈值选取方法 ,即先对牌照图像进行纹理分析 ,然后对取得的直方图采用模式识别中的最大最小准则决定分割阈值 ,其效果优于传统的直方图方法 .后者采用多个简单识别器融合方法进行字符识别 .这一方法根据不同类型识别器的特性 ,采用串、并联混合的方案将它们组合在一起 .与单一识别器相比 ,不仅大幅提高了识别率而且缩短了识别耗时 .这一系统对牌照汉字、数字和字母的识别率均大于 96%,总的牌照识别率为 82 %.     

印刷体蒙古文字识别技术中切分方法的设计与实现

文字识别是人工智能的一个重要研究领域．有些民族文字识别的成果已转化为商品化软件．蒙文文字识别的研究还处于起步阶段，蒙古文字的结构和书写方式与其他文种相比有许多特点．印刷体蒙文文字识别技术中字元切分的方法，经过实验其切分正确率在98％以上，并已成功地用于印刷体蒙文识别软件中．     

一种高速神经网络HS—K—WTA的算法研究

该文提出一种新的K－Winners-Take-All神经网络：High-Speed-K-Winners-Take－All(HS-K-WTA).HS－K－WTA是以竞争学习算法为基础。HS－K－WTA能够从一个模式集中，识别出K个较大的元素，或较小的元素。该文给出HS－K－WTA算法及算法复杂性的分析。分析结果显示HS－K－WTA要比Winstrons更换。