属性聚类网络和属性识别准则在期货价格预测中的应用

在属性测度概念的基础上,运用属性聚类网络和属性识别理论解决模式识别问题,该方法在期货价格趋势预测中获得了较为成功的应用.     

随机信息系统属性重要性的等价刻画及其约简

在基于等价关系的随机信息系统中,文章以证据理论中的信任测度和似然测度为基本工具,给出了核心属性、不必要属性及相对必要属性的一些等价刻画,研究了随机目标信息系统的属性约简问题,并利用实例说明了约简方法的有效性。     

Fuzzy属性文法及在心电图识别中的应用

本文基于Ｆｕｚｚｙ半群的观点研究了一种有效的Ｆｕｚｚｙ模式识别方法－Ｆｕｚｚｙ属性文法，并将Ｆｕｚｚｙ上下文无关属笥言语法用来描述心电图信号，从而达到了识别心电图的目的。     

围岩超前优化分级的属性识别模型及其工程应用

为有效进行隧道围岩超前优化分级,提出基于属性数学理论和隧道地震波勘探系统的围岩超前优化分级方法.选取隧道地震波勘探系统可有效识别的物理力学参数作为属性评价指标,并结合围岩工程地质分类和RMR系统分类方法,确定围岩等级与各评价指标之间的对应关系;通过构建单指标属性测度函数,计算得到单指标属性测度及样本综合属性测度;应用置信度准则对隧道样本的围岩等级进行属性识别,从而建立围岩优化分级的属性识别模型.在工程实例分析研究中,评价结果与模糊综合评价法以及GA-SVM法的评价结果具有较好的一致性,从而验证属性识别模型评价结果的合理性及可靠性.     

基于粗集神经网络的目标识别

研究了粗集和神经网络方法在信息融合目标识别中的应用,提出将神经网络学习机制引入到粗集系统,同时通过粗集的条件和决策属性构造神经网络结构,并针对三种不同谱段下的三种不同目标图像进行了实验,试验表明,粗集神经网络相结合的识别算法的识别率要明显高于单独使用一种融合算法的识别率,训练时间也大大缩短。     

Rough集-神经网络系统在信息融合目标识别中的应用

研究了Rough集和神经网络方法在信息融合目标识别中的应用 .提出将神经网络学习机制引入到Rough集系统 ,同时通过Rough集的条件和决策属性构造神经网络结构 ,并针对三种不同谱段下的三种不同目标图像进行了实验 ,试验表明 ,Rough集 神经网络相结合的识别算法的识别率要明显高于单独使用一种融合算法的识别率 ,训练时间也大大缩短 .     

属性识别理论模型及其应用

在属性测度空间和有序分割类概念的基础上,提出了属性识别准则,建立了属性识别理论模型,并讨论了在大气环境质量评价中的应用。     

动作分类卷积神经网络特征的时域属性校正方法

针对3D卷积神经网络捕获的动作特征中时域属性信息的稳健性不足,提出一种时域属性校正方法.通过独创的属性映射法抽象出网络特征数据的时域属性,对比各组特征的属性信息后,对信息差异过大的特征数据进行校正.校正后的模型将增强特征之间的时域一致性,使卷积神经网络模型的动作分类性能得到优化.使用3D的ResNeXt-101作为仿真验证的基础模型,显著提升了该模型在两个常用动作分类数据集上的测试准确率,在使用了预训练模型后也能够保持良好的优化效果.     

小波神经网络的毫米波雷达目标一维距离像识别

将小波变换和反向传播神经网络理论结合，设计一种小波神经网络结构。由于小波变换在时间和频率空间所具有良好的定位特性，使小波神经网络可对输入输出数据进行多分辨的学习训练。介绍神经网络的数学框架和该网络的学习算法。根据毫米法频率步进雷达目标一维距离像所给出的信息，将所提出的小波神经网络用于3种实际雷达目标的识别。实验结果表明，小波神经网络收敛速度快、识别率高。     

基于时域模糊决策融合的雷达工作模式识别方法

在雷达工作模式识别中,侦察设备对雷达信号参数的测量误差严重影响了识别效果,针对这一问题文中提出时域模糊决策融合(TFDF)的雷达工作模式识别方法。首先分析了雷达脉冲组特征,在脉冲组层次提取雷达信号的脉冲组描述字(PGDW);然后基于联合隶属度函数改进传统的神经网络硬判决方式,实现雷达信号识别的模糊决策;最后运用DS证据理论将多个时刻的模糊决策融合,从而完成雷达工作模式的最终识别。基于时域模糊决策融合的识别方法可以有效改善参数测量误差对工作模式识别效果的影响。仿真结果以及对比实验表明,文中所提算法具有更好的抗噪性能,在雷达信号的参数测量误差为15%时仍具有90%以上的识别率。     

弹道目标雷达微动特征提取与识别研究综述

弹道目标雷达微动特征提取与识别是雷达目标识别领域的重要研究方向之一。在简要阐述弹道目标识别重要研究价值的基础上，结合国内外研究现状，从点散射模型、滑动散射模型、属性散射中心模型等出发，总结了现有的弹道目标微动回波建模方法，进一步分别从单基、双基、多基等不同雷达观测视角出发，梳理了弹道目标微动特征提取与成像方法，对基于人工特征和传统分类器、及基于深度学习的弹道目标分类识别方法进行了总结，最后对弹道目标雷达微动特征提取与识别方向的技术难点和未来发展趋势进行了分析与展望。     

基于熵权属性识别模型的岩体质量分级研究

 为克服岩体质量分级中确定评价指标权重系数带有专家打分的主观偏向性,利用熵理论客观地确定岩体质量分级评价指标的熵权系数,结合属性识别理论,建立岩体质量分级判别的属性识别模型。模型选取岩石单轴抗压强度、RQD 值、结构面间距、结构面摩擦系数、岩体钻进速度和岩体声波速度6 个参数作为岩体质量分级综合评价指标,以三山岛金矿7 个采场为研究背景,建立岩体质量分级的属性识别模型,根据信息熵理论计算各评判指标的权重,计算各指标属性测度,利用置信度准则和评分准则,预测岩体质量排序和等级。研究结果表明,属性识别结果较RMR 法更准确,评价结果客观、可信。     

基于卷积神经网络的低分辨雷达目标一步识别技术

现有低分辨雷达目标识别通常采用先特征提取、再进行目标分类的两步识别算法,存在识别率难以提高和方法泛化性不足的问题,因此提出了一种基于卷积神经网络(CNN)的低分辨雷达目标一步识别算法。该算法直接将采样数据作为输入,利用设计的一维CNN,通过卷积池化等操作自动获取数据深层本质特征,无需特征提取,实现对目标的一步识别。仿真实验结果表明:基于CNN的低分辨雷达目标一步识别方法的识别率较传统基于提取特征的两步识别方法提高了10.31%,识别时间较传统两步识别方法减少了0.142 s,充分证明了一步识别方法的有效性,为低分辨雷达目标识别问题提供了新的解决途径。     

基于遗传算法的神经网络油水层识别

文章研究了基于遗传算法的神经网络油水层识别方法,针对神经计算存在因输入信息空间维数较大而使网络结构复杂、训练时间长,以及因冗余属性使网络拟合精度不高等缺点,提出了基于粗集属性约简方法降低了输入信息的空间维数、减少了运算量和简化了神经网络的拓扑结构,利用遗传算法提高神经网络的训练速度。实验结果表明:将混合智能计算方法应用于油水层识别中效果显著,其学习训练速度和拟合精度远优于传统BP神经网络算法。     

Wear Debris Identification Using Feature Extraction and Neural Network

IntroductionDuringtheoperationofmachinery ,weardebrisareproducedasaresultofcontactbetweenmovingsurfaces.Thecharacteristicsofweardebris (whichincludeshape ,size,concentration ,surface ,color ,etc .) provideimportantinformationabouttheconditionofmachinery ,in particularthestateofwear .However,thecurrenttechniquesforweardebrisanalysisareusuallytime consumingandcostlyduetotherequirementofanalyst sexpertiseto perform particleinspection ,morphologycharacterizationanddatainterpretation .Thus ,manytec…     

基于单频涡旋电磁波雷达的人体目标步态精细识别

现有基于传统平面电磁波雷达的人体目标识别技术能够实现对步态差异较大的人体目标的分类识别,但在步态精细识别方面面临较大困难。将涡旋电磁波雷达应用于人体步态识别中,尝试通过发射携带有轨道角动量的单频涡旋电磁波来增加雷达回波中的目标信息量,以提高人体步态精细识别能力。首先建立了人体目标的涡旋电磁波雷达回波模型,并仿真生成了3种步态下的回波数据集;然后通过将回波变换到基频,获得目标线多普勒和角多普勒混合信息并用时频图表征,最终将时频图输入到卷积神经网络模型中获得分类结果。仿真实验表明：相比于传统平面电磁波雷达,使用涡旋电磁波可以提升人体步态精细识别能力。     

基于粗集理论的雷达辐射源信号识别

将粗集理论（RST）引入到雷达辐射源信号（RES）识别中，提出一种区间连续属性离散化新方法及相应的特征选择算法，将RST与神经网络（NN）结合，设计粗集神经网络（RNN）分类器．实验结果表明，该方法解决了已有方法难以处理的区间连续属性离散化问题，获得的正确识别率比其他3种方法分别高出7．29％、4．34％和4．00％．RNN的平均训练代数比NN少97．54，RNN的平均识别率比NN高2．84％，这表明RNN具有比NN更好的分类能力和泛化能力，从而证实了该方法的有效性和可行性．