模糊识别技术在储粮害虫检测中的应用

介绍了储粮害虫自动检测系统的四个部分：系统硬件组成、粮虫样本图像的处理，特征提取和模糊分类器。详细介绍了模糊分类算法的实现，即首先建立各类粮虫目标的模糊型库，并建立隶属函数，基于模糊极小极大准则，完成待识别粮虫的归类决策。整套系统在粮库现场验证时，对七类粮虫分类的正确识别率达85％以上，分类效果良好，图3，表2，参12。     

一种公交车客流量实时检测算法的研究

提出了一种新的公交车客流量检测算法,实现对视频帧图中仅包含乘客的敏感区域进行背景匹配更新,能较精确地检测到上下车乘客。该算法首先提出了用双差分模型确定上下车乘客最大可能分布的敏感区域,然后采用单高斯背景模型对上述区域进行背景重建,最后运用背景差分得到精确的前景目标。试验仿真结果表明,该算法降低了运算复杂程度,有效提高了检测精度,具有很好的鲁棒性。     

卷烟焦油预测研究

为了解决传统预测方法不能准确预测焦油量的一小样本非线性预测问题,提出从支持向量机的角度进行预测,并在其中关键问题核函数的选择上,应用保角映射进行核函数构造.该算法将焦油预测问题通过非线性变换映射到一个高维的特征空间,在高维的特征空间构造线性判别函数以替换原空间的非线性判别函数.选择22种不同地区和等级的烟叶,利用相同卷烟纸和滤嘴将各种烟叶卷制成单料卷烟,检测得各种烟叶单克烟丝烟雾中焦油量,以此为样本,进行函数训练并进行预测.实验证明该算法能提高焦油量预测精度和效率.     

基于径向基神经网络的风电场无功补偿优化算法

 针对风电场无功补偿容量计算工作量大、计算过程复杂的问题,提出了应用径向基神经网络优化风电场无功补偿容量计算的方法。首先建立了含风电场的电力系统潮流计算模型,以某风电场实际有功功率作为模型的输入,计算该风电场所需的无功补偿容量;以有功功率作为输入数据,以计算所得的无功补偿容量作为目标输出,建立径向基神经网络,并对该神经网络进行训练。用训练后的径向基神经网络代替潮流计算模型,对该风电场所需无功功率进行计算,结果表明,该方法计算复杂度比潮流计算模型低,计算量少。研究表明可用训练后的径向基神经网络模型代替潮流计算模型,实时计算风电场无功补偿容量。     

证券投资分析的可拓策略研究

在分析了影响证券市场的各种因素的相互关系之后,根据证券市场变化的特点,针对证券分析问题的复杂性,运用可拓学的理论,探讨了对证券分析过程中的可拓方法以及这些可拓方法的使用策略。     

神经网络应用于烧结矿质量在线推断

针对烧结过程生产实际，运用神经网络中的ＢＰ学习算法设计了分类器，用于在线推断烧结矿的质量，为了加快ＢＰ学习算法的收敛速度，采用了自适应变步长学习算法，实验结果表明，由此建立的烧结过程神经网络质量预报模型，预报正确率高，具有很好的泛化能力。     

模式识别高效决策的Monte Carlo研究

在实际应用中,一般的近邻分类器由于模式处理量过大,且难以在线和快速获得最佳近邻数等原因,而受到了限制.本文运用Monte Carlo方法,对设计中所涉及的模式容量和类内内间离散度等参数,进行了详尽的模拟研究.结果表明,诸参数间存在着一定的规律性,能有效地解决模式集的大幅度压缩,和自由参数的选择问题,具有普遍的应用价值.     

基于LS—SVM的模糊控制器分析与设计

探讨了利用最小二乘支持向量机（LS—SVM）进行模糊控制器分析与设计的方法,LS-SVM用等式约束代替传统支持向量机中不等式约束,求解过程从解QP问题变成解一组等式方程。将得到的LS-SVM模型应用到模糊控制。提出了基于LS-SVM模型的模糊控制算法。该控制器融合了模糊控制与支持向量机的优点,具有不依赖被控对象模型、泛化能力强等特点。仿真表明。LS-SVM学习速度快,在小样本情况下具有良好的非线性建模和泛化能力。基于LS—SVM的模糊控制器具有很好的控制性能。     

基于可拓决策理论的储粮害虫自动识别

利用特征选择后粮仓害虫的10个形态学特征,在归一化分析的基础上,利用特征的均值和标准差来构造粮虫的经典物元和节域物元,提出了基于模糊分析定量确定特征权重系数的新方法.在计算待识别粮虫与各类粮虫的关联度的基础上,依据最大关联度准则对储粮害虫进行分类判别.并对粮仓中危害严重的9类粮虫进行了自动分类,识别率达到93%以上,结果表明,依据均值和标准差来构造粮虫的经典物元和节域物元可进一步提高识别的精度.