一种用于计算机图形分离的自组织映射彩色量化方法

提出了一种用于计算机图形分离的自组织映射彩色量化改进方法，该方法首先将自组织映射的输出神经元分成灰度组和彩色组分别进行初始化，在训练过程中分别训练灰度组和彩色组中的神经元，同时采用生长、修剪及合并方案来自适应地调整神经网络的结构，实验结果表明，该方法能够大大提高收敛速度和量化精度，满足了后续图像分割和识别的需要。     

基于自组织特征映射的移动传感器网络控制

针对概率型感知模型的移动传感器网络中覆盖区域为时变的情况,提出了一种基于自组织特征映射的实时覆盖算法.其中自组织特征映射依据实时采样的样本点来对覆盖目标区域进行拓扑映射,并依据多智能体系统中的一致性控制算法使移动传感器载体形成预定编队,完成覆盖任务.最后通过实验仿真验证了该算法的优良性能.     

Zibbee技术下动目标的定位技术研究

简要介绍无线传感器网络在目标定位方面的应用，并比较了几种主流无线定位技术的主要性能，并针对条件限制可能造成的目标漏检，提出一种运用自组织特征映射（SOM）神经网络的算法，对漏检目标的移动路径进行分析与估算。     

基于自组织映射网络的流量分类算法

网络流量分类在QoS、流量控制及网络安全等领域发挥了重要作用. 有监督型的机器学习方法对新流量的识别往往依赖于先前的人工分析;自组织映射网络算法模拟生物神经元,通过自组织行为对数据进行分类学习;实验表明,该无监督型算法能够对新流量进行自动识别,提高了流量识别的准确率.     

基于核的自组织映射聚类

将核学习的方法应用于自组织映射聚类中,提出了一种核自组织映射聚类算法.该算法以核函数代替原始数据在特征空间中映射值的内积,并且神经元权值向量的初始化和更新都可由其组合系数向量表示,从而获得了直观而简单的迭代公式.分析了算法中学习速率过高会降低学习稳定性、学习速率过低又会降低收敛速度等参数选择问题,给出了一组折中考虑学习稳定性和收敛速度要求的参数初始值.实验结果表明,核自组织映射聚类对于非椭圆型的类分布数据,如环形数据,聚类正确率也能够达到99.886 4%.对IRIS数据集和入侵检测报警数据的聚类也证明了核自组织映射聚类方法的良好性能.     

基于神经网络和三角形统计特征的文字识别

提出一种有效的文字特征提取方法,用三角形网格提取文字统计特征,然后利用自组织映射神经网络(SOM)对四类印刷体汉字进行文字识别,计算结果表明该方法用于文字识别准确性较高.     

红外图像运动目标检测与识别

提出了一种利用相邻帧红我图像实时相减提取运动目标序列的方法，把复杂背景下运动目标识别问题转化为较简单背景下目标识别问题，介绍了一种基于差分图像序列的实时处理算法，可对多个运动目标进行识别与定位。     

用于盲人视觉辅助的多目标快速识别并同步测距方法

提出一种以摄像头实现的可用于盲人视觉辅助的多运动目标快速识别并同步测距方法.该方法以深度学习多目标检测算法(single shot multibox detector,SSD)识别各类目标,并通过SSD输出的目标类别及检测框(bounding box)高度来提出测距模型,从而同步地获取多个目标的测量距离.本方法仅通过普通摄像头便能识别较多类物体且识别类别数量可拓展,能够将测距模块和障碍物识别模块同步执行,从而可对多个物体实时识别并同步测距.实验结果表明,本方法能有效地识别障碍物,具有良好的测距精度,为盲人视觉辅助的一种有效探索.     

基于自组织映射网络的齿轮故障分类识别

分析了自组织映射网络算法，在U-矩阵方法基础上提出了一种改进的可视化训练结果方法，并应用于齿轮故障的模式识别，研究表明，自组织映射网络能对齿轮状态进行正确分类，有效识别故障模式，改进的可视化方法能更加清楚地显示网络训练结果，两者结合可以扩展应用于机械设备的状态监测和故障识别。     

一种舰艇防御的目标自动识别算法

研究利用航迹分析方法识别飞航式反舰导弹的滤波器后处理技术,并且导出了基于IF…THEN规则和基于模糊映射的反舰导弹识别判据,在此基础上对这两种识别判据的性能进行了分析对比,这种反舰导弹识别算法利用回归分析和识别判据提取飞航式反舰导弹的航迹特征,给出速度和高度参数,从而断定目标类型,为拦截系统提供参考信息,仿真结果表明,该算法能有效提取目标运动学参数等目标识别信息。     

子波变换用于雷达目标回波特征提取的研究

提出了一种用子波变换对雷达目标回波进行特征提取并用神经网络对其分类的新方法，子波变换同时起到了数据压缩作用。用此法对微波暗室中得到的雷达目标回波进行特征提取和分类，对５种飞机模型分类的平均正确率可达９８％。结果表明新方法是十分有效的。     

一种极化MIMO雷达导引头关键技术研究

为提高雷达导引头的工作性能,提出一种新体制极化多输入多输出(MIMO)雷达导引头的概念,研究了该雷达导引头中的关键技术. 该雷达导引头采用双极化天线阵列,各个天线子阵发射正交频分线性调频信号;同时接收雷达回波信号的双极化分量,采用匹配滤波技术实现各个回波信号的有效分离;引入瞬态极化检测与识别技术,有效提高雷达导引头的抗干扰性能;采用单脉冲测角技术实现对目标的正确测角和跟踪. 理论分析和仿真结果表明,极化MIMO雷达导引头具有优良的电子战性能.      

混沌在雷达信息处理中的应用前景

混沌是近年来在非线性科学领域异军突起的一个分支,混沌的初值敏感性和２ 个混沌系统之间同步的获得使得混沌用于保密通信成为可能,海杂波的混沌特性使得人们开始用混沌技术对传统的雷达信号处理进行新的探索。结果表明,混沌技术在雷达信号检测、目标识别及伪随机码信号的产生等领域内取得了突破性的成果。可见混沌在雷达信息处理这一领域内具有广泛而良好的应用前景。     

基于雷达测雨的实时洪水预报模型

实时洪水预报系统通常会伴随系统误差,即模型误差和观测误差．为了减小系统误差,本次研究尝试将雷达测雨技术、BP神经网络技术引入流域洪水预报中,并建立基于分布式水文模型的洪水预报模型．将该实时预报模型应用于史灌河流域．从预报的结果来看,该实时预报模型很好地解决了雷达遥感数据与水文模型的耦合,为在流域洪水预报中采用雷达测雨提供了先行的研究基础．     

基于BP神经网络的探地雷达图像识别技术

探地雷达作为一种常用的物探方法,在工程和科研方面都具有广泛的应用,在应用中由于地下介质的复杂性,常使得图像的反射原因较难判断,对于地下介质的典型特征也较难统计.为了更好的解译以及快速准确的分析统计出雷达反射图像中的各类特征,本文利用神经网络的高度模糊识别能力,将标准雷达图像输入到神经网络模型中,并通过一系列的改进,提高了网络性能.通过仿真试验表明,改进后的神经网络可以较为高效的对雷达图像中的典型反射特征进行识别与统计,具有很好的应用前景.     

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。     

基于改进广义回归神经网络的雷达故障预测

针对目前雷达故障预测存在的问题,提出了一种基于遗传算法(GA)的广义回归神经网络(GRNN)模型.该模型以前10个时刻的雷达状态为输入,以下一时刻状态及其变化速度为输出;利用遗传算法对网络平滑因子以及网络结构进行优化,以均方差(MSE)最小构造适应度函数.仿真结果表明,所提出的GRNN模型预测值与计算值的偏差系数2.62%,期望偏差率2.07%.     

探地雷达技术在地下管道探测中的应用

介绍了应用探地雷达探测地下管道的原理及技术,阐述了该技术的基本方法及其数据图像处理过程.通过长沙市某处下水管探测应用,表明该技术对管道探测是可行的,且探测效果良好,其测量误差在10%之内.图2,参3.     

统计模型在雷达技术中的应用研究

电磁信号在传播过程中要受到多种因素影响,使得到达接收端的信号很复杂,具有很强随机性,因此统计模型在信号处理中发挥越来越重要的作用.作者利用统计模型对雷达技术——分集接收技术和杂波建模技术进行了研究,并对一些模型进行了计算机模拟,给出了有价值的仿真结果,为雷达信号处理提供了新思路.     

Extraction of wind stress from HF radar sea-echo Doppler spectra

A new method for remote sensing wind stress by HF radar is presented, which uses sea state parameters obtained from sea echo Doppler spectra with appropriate inversion technique together with relevant empirical relationship. This method is demonstrated using simulated radar Doppler spectra. Supported by the 863 High Technology Project of China (No. 863-818-01-02) Huang Weimin: born in 1974, Ph. D graduate student