基于PCA的概率神经网络模式分类方法

研究了概率神经网络隐单元主要分量的选取方法。这些方法的概率神经网络比原来的网络大大降低了隐单元数，并且带来分类测试时间减少的增益。最后，就模拟和实测两组数据进行了计算机仿真，实验结果证实了这种方法的可行性。     

基于串匹配的特殊点匹配和自由伪造签名快速排除法

在手写签名认证中,特殊点的抽取和匹配具有非常重要的意义,因为特殊点不仅可以作为签名的一种特征,还可以作为分段、签名对齐的依据.该文提出一种基于串匹配的方法对签名的特殊点序列进行匹配,提高了特殊点匹配的精度.同时通过计算特殊点类型所组成的字符串的编辑距离,能够很快地发现与真签名差距较大的自由伪造签名,从而提高整个系统的反应速度.     

小波变换应用于雷达信号处理的潜力和展望

着重讨论了小波变换在雷达信号中的潜在应用，特别是在宽带或超宽带雷达中的应用，进一步讨论了小波变换用于雷达模糊函数分析，信号检测与参数估计和雷达目标识别等问题，最后，展望了小波变换应用于信号处理的前景。     

基于整体最小二乘的单次快拍线性预测空域谱估计方法分析

本文基于时间域前、后向线性预测方程,利用整体最小二乘方法来分析单次快拍空域谱估计问题。这种方法同时考虑数据矩阵与观察矢量噪声扰动的影响,所以,在低信噪比情况下,性能优于MUSIC等大多数高分辨空域谱估计方法。另外,由于它利用了数据矩阵奇异值分解技术,所以,对相干信号源也能实现良好分辨。本文摸拟实验结果证明了这一点。     

基于神经网络BSB模型的反辐射导弹辐射源识别技术研究

利用反辐射导弹来摧毁敌方雷达系统和有关设施是现代战争中一种有效的对抗手段。但是,在目前辐射源增多、信号密集的情况下,传统的信号分选和识别方式都遇到了困难,促使人们去研究以并行分布处理为特征的神经网络理论,探求一种(?)的智能信息处理方法和识别途径来解决这一难题。本文正是从这一点出发,利用BSB(脑中盒状态)模型来完成反辐射导弹的辐射源识别。计算机模拟结果证明这种方法是行之有效的。     

径向基概率神经网络结构的遗传优化

运用遗传算法(GA)来优化设计径向基概率神经网络(RBPNN)结构，优选了隐中心矢量和优化求取对应的核函数控制参数．提出的染色体编码方式，充分体现了所选隐中心矢量在模式样本空间中的数量及位置分布，同时还包含了相适应的棱函数控耕参数信息．新构造的适应度函数不仅有效地控制了网络输出的误差精度，而且还能够使得RBPNN结构优化趋于最简．将IRIS分类问题用于检验该算法的有效性并与ROLSA和MKM进行了比较研究，结果表明，GA的优化效率最高，而且GA优化后的RBPNN在推广能力方面也没有明显下降．     

基于神经网络的递推分块方法求任意高阶多项式的根

提出一种新的基于约束学习神经网络的递推分块方法, 来分批(块)求解任意高阶多项式的任意数(小于多项式的阶)个根(包括复根). 同时给出了基于多项式中根与系数间的约束关系构造的用于求根的BP网络约束学习算法, 提出了对应的学习参数的自适应选择方法. 实验结果表明, 这种分块神经求根方法, 相对传统方法, 能够快速有效地获得任意高阶多项式对应的根.     

非负稀疏编码收缩法的自然图像消噪

非负稀疏编码（NNSC）算法仅依赖自然图像数据的统计特性,具有自适应性.利用NNSC算法可以成功地提取自然图像的特征基向量;作为对特征基的一个实际应用,提出了一种新颖的用非负稀疏编码收缩技术消除自然图像中的高斯加性噪声的方法.实验表明,提取的特征基向量在时域和频域上都有方向性和局部性,表现了输入自然图像的边缘特性;而且与独立分量分析（ICA）法相比,NNSC法提取的特征基有更清晰的边缘特征.目视效果和归一化信噪比证明了NNSC收缩法的消噪效果要优于稀疏编码（或ICA）收缩法、小波收缩法和Wiener滤波等方法.