模拟退火优化BP神经网络进行云相态分类

为利用中分辨率成像光谱仪(MODIS)多通道云图数据对云相态进行分类,提出了一种利用云图红外、可见光谱段数据,基于SABP神经网络的云相态分类算法.算法基于BP人工神经网络学习算法及模拟退火算法.在两算法结合的基础上,作出了有益于云相态分类的改进.基准网络模型为3层前馈BP网络,其中,隐层和输出层使用不同的激活函数.选取了5种光谱特征作为网络输入,输出两单元判定结果.为加速收敛速度,避免振荡,采用了一种自适应的变学习系数、惯性系数策略.个例分析表明,算法在中低纬度地区效果良好.     

离散点云数据的小波变换处理算法

将离散点云数据表示成适合用作小波变换的形式,提出了一种基于尺度的离散点云数据的特征识别算法,在此基础上给出了具体的基于尺度的二维和三维离散点云的小波分解算法,最后引入实例对二维离散点云的小波分解算法进行分析,实验结果表明算法达到了对点云数据的按尺度特征分解的目的.通过提出的算法,将离散点云数据按照尺度进行分解并提取出不同的特征成分,这样可以根据后期可视化显示的不同要求,将小波变换分解后的数据进行进一步的处理.     

海量点云数据轮廓特征线的快速生成算法

从海量点云数据中快速生成轮廓特征线,是实现基于特征的模型重建的关键.提出了一种基于切片的轮廓特征线快速生成算法.该算法首先对点云数据进行切片,将数字图像的方法应用到基于切片的特征点提取中,通过设置数字栅格平面的边长快速地提取特征点,并根据提出的双向索引连通法快速构造特征线,最终实现了点云数据的曲线模型.实例证明:本算法可以快速、准确地生成海量点云数据的轮廓特征线.     

一种基于小波边缘检测的CLOUDSAT数据云检测方法研究

基于CLOUDSAT上有效载荷云剖面雷达(CPR)的回波数据进行云检测研究.为得到轮廓清晰,具有详细边缘细节的云图,提出了一种基于小波变换法对去噪前的云剖面图进行边缘检测的云检测方法.该方法通过对云剖面图二维小波变换局部极大值的检测,得到云的边缘轮廓图.实验通过比较CLOUDSAT项目组提出的SEM(Significant Echo Mask)算法结果证明了方法的有效性.     

MODIS数据的云检测处理

结合MODIS数据的通道特性,分析了云在不同波谱范围的光谱特性,提出了一种基于多光谱综合阈值法的简便新方法.该云检测算法从可见光反射率、热红外亮温出发,逐步建立云检测模板,实现分离云和晴空,通过对不同下垫面类型数据进行云检测检验,结果表明,该算法对中低纬度地区云检测处理有显著效果,尤其能够检测出可见光波段难以识别的薄卷云.该法可使遥感数据特别是MODIS数据在云检测领域的应用提高一个层次,进而提出的云区数据修补方法,使数据反演应用的精度提高更为显著.     

MODIS数据的云检测处理

结合MODIS数据的通道特性,分析了云在不同波谱范围的光谱特性,提出了一种基于多光谱综合阈值法的简便新方法.该云检测算法从可见光反射率、热红外亮温出发,逐步建立云检测模板,实现分离云和晴空,通过对不同下垫面类型数据进行云检测检验,结果表明,该算法对中低纬度地区云检测处理有显著效果,尤其能够检测出可见光波段难以识别的薄卷云.该法可使遥感数据特别是MODIS数据在云检测领域的应用提高一个层次,进而提出的云区数据修补方法,使数据反演应用的精度提高更为显著.     

基于PCA的无监督异常检测方法研究

针对现有的无监督异常检测技术的不足之处,提出了一种基于样本分布异常数据实例度量方法;将主成分分析方法应用到异常检测中解决数据集高维数据的降维问题.提出一种新的无监督异常检测算法μ-UAD,并对该算法进了性能评估.实验表明,该算法具有较好的检测性能.     

大型钢结构无损云检测的可信度融合评估

针对大型钢结构采用单一无损检测方法经常难以实现被检测对象的完整准确评估问题,利用多种无损检测方法进行综合检测是有效手段,其中综合检测结果可信度评定是关键.首先,设计基于Hadoop的大型钢结构无损云检测系统架构,分析大型钢结构无损云检测Hadoop架构的信息流;接着定义大型钢结构无损云检测数据可信度融合的D-S证据理论联合算子,提出基于D-S证据理论的多源数据可信度MapReduce融合算法;最后,建立大型钢管塔结构检测实验平台,对可视化内窥检测、涡流检测和超声波检测等多源数据可信度进行了融合评估实验.结果表明,云检测数据可信度MapReduce融合算法有效提高了各个单一检测手段的缺陷检出率,可满足大型钢结构无损云检测的实际需求.     

基于多时相遥感数据的云阴影检测算法

云阴影检测是云检测中的一个重要环节,由于其光谱、纹理特征复杂,云阴影检测一直是云检测中面临的一大难题。本文针对传统云阴影检测方法的不足,提出一种基于多时相遥感数据支持的云阴影检测算法。该算法以同一区域相近时相或不同年份相近日期的卫星遥感地表反射率数据为参考,选取云阴影和典型地表样本点,对样本点进行统计分析,据其动态确定云阴影检测的阈值,并基于云阴影样本点去除土地利用/土地覆被变化对使用该方法进行云阴影检测造成的误判。基于Landsat8OLI数据,选择不同区域碎云、薄云和厚云产生的云阴影分析该方法的有效性,重点分析水体等容易与云阴影混淆的区域。结果表明,该方法能有效识别云阴影,具有较高的整体检测精度。     

基于激光雷达与毫米波雷达融合的车辆目标检测算法

针对仅基于单一传感器的目标检测算法存在检测精度不足及基于图像与激光雷达的多传感器融合算法检测速度较慢等问题,提出一种基于激光雷达与毫米波雷达融合的车辆目标检测算法,该算法充分利用激光雷达点云的深度信息和毫米波雷达输出确定目标的优势,采用量纲一化方法对点云做预处理并利用处理后的点云生成特征图,融合毫米波雷达数据生成感兴趣区域,设计了多任务分类回归网络实现车辆目标检测.在Nuscenes大型数据集上进行训练验证.结果表明:检测精度可达60.52％,每帧点云检测耗时为35 ms,本算法能满足智能驾驶车辆对车辆目标检测的准确性和实时性要求.     

B2C电子商务网站综合评价

通过分析B2C电子商务网站评价指标设计的原则,制定了B2C电子商务网站评价指标体系,阐述了用神经网络对B2C电子商务网站进行评价的方法,并以一个实例来说明如何用神经网络方法评价电子商务网站.此方法在该应用领域具有一定的先进性.     

基于人工神经网络的施工安全性预警模型研究

在研究施工安全性特征的基础上,提出了施工安全性评价指标体系,结合人工神经网络模型,提出了基于人工神经网络的施工安全性预警模型,最后结合实例验证了该安全预警模型的可行性。     

一种基于纹理的云彩合成技术研究

通过对云彩图像纹理特征函数分析,选取16个特征函数作为云彩图像生成的依据,同时,通过对BP算法的研究,建立了有效的人工神经BP网络模型,最后形成了云彩纹理图像的合成程序。     

基于大数据的城市土地利用分类研究——以西宁市为例

以西宁市为例，基于宜出行和兴趣点（points of interest，POI）2类常用大数据以及最大似然、支持向量机和神经网络3种常用分类方法，开展了城市土地利用分类研究．通过对比不同数据与方法组合下的城市土地利用分类精度，确定了提取城市土地利用信息的最优数据组合方式和分类方法．并基于分类结果对西宁市的城市土地利用格局进行了分析．结果显示，基于POI和宜出行数据的神经网络分类方法获取的研究区城市土地利用信息精度最高，总体精度为71.25%，Kappa系数为0.62．主要原因在于综合POI和宜出行可以更加充分地反映不同土地利用类型的特征，而神经网络可以有效综合多源大数据的信息．因此，基于多源大数据和神经网络为快速有效地获取城市土地利用信息提供了有效途径，具有较大的应用潜力．      

受腐蚀钢筋混凝土梁极限承载力神经网络预测

利用神经网络方法研究了受腐蚀钢筋混凝土梁权限承载力与各主要影响因素之间的复杂非线性关系，建立了承载力的神经网络预浏模型，预浏结果与试验结果吻合较好．研究结果表明神经网络计算是受腐蚀钢筋混凝土构件力学性能研究中一种很有潜力的新方法．     

一种新的加热炉状态识别算法

最小距离法是一种应用非常广泛的状态识别算法,但其在使用过程巾要求待识别样本必须符合类内距离较小、类间距离较大这一前提条件,否则将会造成识别错误.针对最小距离法存在的问题,提出了一种基于人工神经网络的改进最小距离法,并将该方法应用于加热炉工况的状态识别.结果表明,该方法具有识别速度快、识别率高的优点,完全能够满足工业生产过程的需要.     

混合型神经网络专家系统

本文在分析传统人工智能与神经网络信息处理的各自特点的基础之上,指明二者相互结合的必然性,并给出了混合型神经网络专家系统的框架。     

基于HMM／MLFNN混合结构的说话人辨认研究

将隐马尔可夫模型与人工神经网络相结合既利用ＨＭＭ能够较好地描述动态时间序列又ＡＮＮ静态分类能力强的特点，应用于说话人辨认。本文将一个多层前馈神经网络与ＨＭＭ相结合构成混合模模型，与以往的方法不同。具有所需训练数据量小，推广性能良好的特点。     

多目标遗传繁衍样本策略的应用研究

提出了以最小误差平方和作为样本相似度,结合制约条件经验公式的多目标遗传算法进行样本繁衍的策略,并探讨了使用多目标遗传算法对样本进行重复繁衍,从而得到符合真实条件并与原始样本非常接近的仿真样本,以便与原始样本一起进行训练得到可用神经网络的方法。作为对该方法的验证,笔者使用这种方法在仅能获得43个样本的基础上,建立了一个用于预测爆炸密实法地表沉降量的神经网络模型,获得了良好的效果。     

改进RBF网络设计方法及其在软测量建模上的应用

针对流程工业中难以直接测量的变量研究了其软测量方法.采用局部强逼近性能的RBF神经网络对被测变量进行建模;提出用峰值密度函数法确定RBF网络的隐含层节点数;设计样本信息分析算法提取样本特征,结合精度要求,初始化节点的中心向量和接收域宽度,消除了利用随机数等方法初始化训练参数和网络参数所造成的不确定性问题,同时提高了网络的收敛速度和精度;整个过程分别采用改进的梯度法、带有遗忘因子的最小二乘法等算法进行设计.利用改进的RBF网络对原油的直馏宽窄馏分的临界温度变量进行软测量建模、仿真.实验结果表明,基于改进的RBF网络的建模方法,在精度和收敛速度方面均有显著提高.