基于IRT模型的BP神经网络降维法参数估计及其应用

该文对应用BP神经网络和降维法相结合在0—1记分模式下估计项目参数和考生能力的方法作了概述,重点是对该方法如何应用于实际进行探讨。     

基于神经网络的自校正模糊控制器

本文针对常规模糊控制器的不足．提出了一种自校正模糊控制器，论述了它的在线调整设计方法。并在此基础上进一步利用BP神经网络进行推理．实现控制参数自动调节。为减少BP网络的训练量、对模糊集（网络的输入）进行了“编码”。最后的仿真结果表明了该控制器具有自适应和学习能力，其动态响应和鲁棒性均优于常规的FUZZY控制。     

基于自组织神经网络的地理空间信息的可视化表示

介绍了自组织神经网络算法,探讨了对大量地理空间数据进行模式提取和关系建立的有效计算算法,在此基础上对于所获取的信息实现可视化表示。     

基于卷积神经网络的高分辨率雷达目标识别

提出一种基于卷积神经网络(Convolution Neural Network,CNN)的高分辨率雷达目标识别方法.首先针对小样本应用于深度CNN时训练过程中损失函数值收敛速度慢的问题,利用结合批归一化算法的改进CNN网络对高分辨距离像(High Resolution Range Profile,HRRP)进行自动特征提取;再利用支持向量机(Support Vector Machine,SVM)对距离像特征进行分类.使用军事车辆高保真电磁仿真数据对提出的方法进行验证,识别结果证明了该方法的有效性.     

基于主成分分析和BP神经网络的车标识别

在对3种数据降维技术进行了比较研究的基础上,提出一种基于主成分分析(PCA)和BP神经网络的车标识别算法.首先,利用PCA方法获得特征车标;然后,将待识别车标投影到特征车标张成的子空间;最后,通过BP神经网络进行车标识别.实验结果表明,该算法能有效提高车标的识别率,对光照和噪声有很强的鲁棒性.     

基于自组织神经网络的模式分类研究

分析了常用的ＶＱ（ＶｅｃｔｏｒＱｕａｎｔｉｚｅｒ──矢量量化）分类算法所存在的缺点，提出用自组织神经网络模型取代ＶＱ算法，对这种模式分类的过程进行了描述，并阐明它的优点．     

二维图像中交叉点的神经网络识别

提出一种识别灰度图像中交叉点的神经网络方法，用自组织特征映射网络和BP网络组成多分类器，识别图像中的二交叉点、三交叉点和四交叉点，在加入8%的干扰时，仍能达到85％左右的识别率。     

基于紧致编码的高阶神经网络光计算

提出一种能压缩三阶神经网络的互连张量规模近一半的紧致编码方法。设计两种光电混和系统-非相干多重成象系统和非相干相关系统,并用它实现了三阶互连的二维神经网络,构成图象平方关联存贮器。在光学实现中,借助于一种多重矩阵排列方式,作者用一块二维掩模板表示六维的互连张量,用二维的发光二极管(LED)阵列表示四维的输入张量,实验结果与数值模拟的结果吻合。     

基于Hopfield神经网络的平面拟合编码研究

提出了平面拟合编码的一种新的实现方法，即神经网络方法。为了保证Ｈｏｐｆｉｅｌｄ神经网络的收敛，对该网络模型的迭代算法进行了修改，针对Ｈｏｐｆｉｅｌｄ网络存在的局部极小问题，给出了一种扰动算法，结合初始状态的合理选择，可以有效地避免网络陷入局部极小，而接近全局最小，以求得待定系数的最优解。计算模拟结果表明，Ｈｏｐｆｉｅｌｄ神经网络实现的平面拟合编码性能优于传统的最小二乘法，重建图像质量提高约０．６ｄ     

基于小波和神经网络的目标识别方法

基于高分辨一维距离像，对雷达信号目标识别的小波分析和神经网络方法进行了理论研究和实验分析。小波变换起到了数据压缩作用，并且用不同的小波得到不同的结果。ISAR获得的三种飞机目标真实回波数据所形成的一维距离像作为实验数据，并且用神经网络对目标分类器进行了设计。     

基于CWT自相似特性的飞机目标HRRP分类法

为了解决高分辨率距离像 (HRRP)分类的姿态敏感和距离像对齐问题 ,基于连续小波变换 (CWT)的自相似特性 ,构造了能量尺度分形维数。分别在 3个极化测量通道和两个尺度区间上 ,从 HRRP的 CWT能量随尺度的演化过程中提取了原始特征集。采用 Fisher可分性准则作判据 ,进一步确定了 3维最佳特征向量。并从理论和实验上证明了 ,能量尺度分形维数特征较不敏感于噪声和目标方位角的变化 ,同时不受目标径向位移和距离像平移的影响 ,是性能良好的飞机目标分类特征     

基于径向基函数神经网络的飞机目标识别法

通过将自适应小波神经网络 (AWNN)中的小波基函数直接替换为 Gauss径向基函数 ,提出了一种适于对目标一维距离像信号直接进行分类的径向基函数神经网络(RBFNN)。对用于信号分类的 RBFNN网络结构的确定、RBFNN的训练以及最终判决规则的确定等问题 ,进行了深入的讨论。对 6个目标不同信噪比下的分类结果表明 ,提出的 RBFNN对距离像信号具有很强的分类能力 ,对于开发更加实用化的目标识别算法显示了很大的潜力     

基于压缩感知的高分辨距离像散射中心参数估计

提出利用压缩感知理论实现高分辨距离像散射中心参数估计。该方法首先将散射中心参数估计转化为信号的稀疏表示,然后重点研究测量矩阵的设计和稀疏参数的选取。为了提高解的鲁棒性,在构造字典矩阵时将采用位置错开以降低测量矩阵原子之间的互相关性。在算法求解过程中,采用贝叶斯信息准则确定模型阶次和稀疏参数。数据实验表明,算法能够稳定精确地估计散射中心参数。     

基于一维高分辨距离像的相关测速补偿算法

在分析运动目标对频率步进信号成像影响的基础上,阐述和推导了基于一维高分辨距离像的相关测速算法,给出了该算法的测速性能和实现流程.对是否利用IFFT结果的相位信息,提出了距离像实包络相关和复包络相关两种处理模式.针对空间高速运动目标.仿真和分析了各因素对测速精度的影晌.结果表明,该算法测速精度高,计算量小,抗噪性能较好,为宽带雷达实时自测速补偿提供可能.     

一种脉内相位编码脉间步进频雷达信号的研究

提出了脉内相位编码脉间频率步进(phase coded stepped frequency,PCSF)雷达信号,这是对一般脉冲线性频率步进(stepped frequency,SF)信号的改进.它将SF信号的矩形子脉冲替换为相位编码子脉冲串,通过脉内相位和脉间频率两次调制,获得了更大的频率步进量.PCSF雷达信号在系统有效工作带宽一定的情况下可以减少脉冲串数目,提高目标数据率及降低多普勒敏感度,并且经过两级压缩处理还可以获得两级分辨率.由分析PCSF信号的性能和处理方法,给出了计算机仿真结果.     

HRRP自动目标识别方法综述

雷达高分辨距离像自动目标识别是近年来雷达目标识别广受关注的一个研究领域. 基于国内外HRRP自动目标识别方法的研究现状,指出目前研究工作中亟待解决的两个问题:非合作目标的识别与分类超平面的获取;针对待解决问题提出目前研究工作中的3个重点:信噪比失配问题的研究,少量不完备样本的研究以及分类超平面获取方法的研究;对每个研究重点的研究思路进行详细划分,包括移除噪声成分、特征提取以及支持向量等,并归纳每种思路的研究现状;最后,对3个重点的研究现状进行总结评述并指出未来的发展方向.      

一种邻域相关的高动态范围图像显示方法

高动态范围图像的动态范围压缩主要利用局部色调算法来实现,提出了一种基于邻域数据的高动态范围图像映射技术。为了简化数据操作,采用图像亮度值进行处理。首先进行双边滤波处理,然后对所得数据进行邻域伽马校正。试验结果表明,该方法可以有效压缩图像动态范围,能够满足低动态设备的显示要求,并且很好的保持了图像的对比度和颜色信息。     

Simulation of the RCS Range Resolution of Extremely Large Target

,,,.lr.0　IntroductionThe RCS(Radar Cross Section) of a target in the near zone is very important in the various civilian and militaryfields. For a complex target, we dissect it in the near zone tomany small regions and simulate the RCS of the the whole …     

一种新的基于HRRP的雷达目标识别算法

雷达目标高分辨距离像(HRRP)包含目标结构信息,是目标重要的分类特征.提出基于独立分量分析(ICA)的雷达目标特征提取方法,将雷达目标高分辨距离像(HRRP)在"基信号"域中分解,提取相应的基系数组成向量,作为目标特征向量.采用反向传播(BP)神经网络作为识别系统的分类器,对神经网络的输出进行编码,为了克服分类器对非库属目标的误判问题,引入拒识门限设计一种新的分类器.采用电磁场时域有限差分(FDTD)算法仿真了飞机的宽带回波,并用所提的方法进行实验.结果表明,基于以上算法的雷达目标识别系统在最大拒识率前提下具有较高的正确识别概率.