二阶对角递归神经网络船舶横摇运动预测

提出一种船舶横摇时间序列预测方法.该方法使用在隐层具有2个反馈权值的对角递归神经网络进行预测,给出了此网络易于实现的动量梯度学习算法(DBP),并对其收敛性进行了验证.运用该模型对我国某型船舶在横浪中航行情况进行预测,结果表明:本网络可以储存更多的历史数据,有更好的记忆性能,所使用的模型比DRNN模型及前向网络BP模型能快速、准确地预测船舶横摇运动时间序列,仿真实验验证了该方法的可行性与有效性.     

一种基于综合信息的剪接位点识别方法

为提高剪接位点识别的精度,提出一种基于综合信息的剪接位点识别方法.通过分析供体位点与受体位点的剪接信号、剪接序列、位点附近序列的二级结构,以及剪接因子作用过程等特征,分别为供体位点与受体位点建立信号模型和序列模型;应用Vienna软件中的Mfold包预测每个剪接位点附近序列最稳定的二级结构,将传统的四字符核酸表转化为八字符核酸表,每个序列用八字符进行描述,用结合了结构信息的序列对信号模型和序列模型进行训练学习;最后用训练好的模型进行剪接位点的识别.实验结果证明:该方法对剪接位点的识别取得了很好的效果,其识别精度可达95%以上.     

基于神经网络的铁路客运列车车号

给出了客运列车车号自动识别系统的组成及各部分的实现方法,重点讨论了基于多神经网络的识别方法.研究表明该系统的识别率可达到95%,通过所开发的车号显示及修改软件可满足实际工程的需要.     

基于Trace变换的步态识别算法

提出了基于Hu矩的步态周期检测算法,该算法具有尺度、平移不变性,在预处理的标准中心化之前进行,缩短了步态识别前期处理工作的时间,为实时的步态识别提供可能。在分析步态的投影特征具有身份判别的能力之后,进而引出并说明使用Trace变换特征对步态表达的想法是合理的。提出基于Trace变换的步态识别算法,详细地讨论了三种Trace变换的泛函形式,在CASIA(B)步态库上进行验证实验,最佳识别率可达84.14%。这种方法避免了动态时间规整以及线性时间归一等算法的复杂的调整过程。     

一种运动学形式的人员疏散仿真微观模型研究

从疏散群体中的人员个体角度出发研究人员疏散规律,提出一种运动学形式的离散时间仿真微观模型.每个个体的运动完全由其运动方向及速度大小所确定,将个体的运动姿态用两个笛卡儿坐标和一个方向角表示,进行运动学近似,个体运动过程由速度的两个"瞬时"值描述,即平移线速度和偏转角速度.进而考虑影响个体运动方向及速度大小的主要行为原则,建立综合这些行为影响因素的模型方程,允许通过调节各种参数,研究环境及个体心理状态对疏散的影响.     

一种结合颜色纹理直方图的改进型Camshift目标跟踪算法

针对背景中存在颜色相近目标或目标被遮挡时Camshift算法跟踪失败的问题,提出了一种改进的Camshift目标跟踪算法。首先,改进算法模型直方图的计算选用颜色和纹理相融合的直方图概率分布,解决了Camshift算法只使用单一的颜色模型、很难适应物体大范围运动造成的背景变化或遮挡的不足;其次,图像权值采用目标模型与目标候选模型特征概率之比的平方根来计算,并用权值进一步估计目标的位置和方向,克服了原始Camshift算法中图像权值仅依靠目标模型计算的不足,大大减少了背景特征对跟踪的影响;最后,利用粒子滤波对运动目标状态进行估计,以克服目标运动引起的遮挡、交错或重叠,进而提高目标位置跟踪精度。实验结果表明,改进算法的平均每帧成功率达到50%以上,平均中心位置误差低于20%。改进算法能有效改善目标跟踪性能,从而实现目标跟踪的有效性、准确性。     

神经网络在线性系统辨识中的应用

本文把具有线性处理单元的神经网络应用于线性时不变动态系统辨识;讨论了用多层前向网络和回归网络分别对线性时不变动态MIMO系统的输入输出模型和状态空间模型进行辨识的方法;提出了用线性系统粗糙模型的先验知识对神经网络权进行初始化的方法.仿真实验表明所提出的初始化方法比随机初始化法的学习有更快的收敛速度.     

基于静脉识别的身份认证方法研究

首先简要介绍了身份认证技术与生物特征识别，然后指出目前应用最广泛的生物特征身份认证方法——指纹识别的缺点和不足，在此基础上提出了一种新的生物特征身份认证方法——静脉识别。分析了静脉识别的理论依据，特点和难点，提出了一种新的图像阈值分割方法和静脉图像特征匹配方法，进行了特征匹配实验，得出了较好的实验效果。     

遗传算法的收敛性分析及收敛速度估计

本文６应用齐次Ｍａｒｋｏｖ链仔细分析了标准遗传算法（ＳＧＡ）趋近于稳态的过程，给出其稳态分配的具体表示形式；同时得到了更广泛和严格意义上的、与ＳＧＡ控制参数相联系绵、到达稳态的速度估计。其结果对于其他全局收敛ＧＡ的收敛性和收敛速度研究都有借鉴意义。