一种改进的基于小波变换图像边缘检测算法

本文提出了一种改进的图像边缘检测算法。它基于小波变换的方法,可以使检测处理中图像边缘相互影响所造成的边缘混叠现象减少到很小。实验结果证实了该算法的可行性。     

一种模糊神经网络学习算法:移动小论域法

提出了一种T-s模糊神经网络在线学习算法：移动小论域法，解决非线性控制对象的在线辨识的精度和实时性问题。该算法是在前后件参数可分离的离线混合学习算法基础上，通过分析隶属函数类型及论域模糊子集划分稠必程度对辨识精度的影响后提出来的。不同于传统模糊化进程，此法使用了移动的小论域窗口在此窗口上划分较少的模糊子集技术产生网络前件模糊化参数，解决了模糊神经网络学习中精度和实时性相互制约的矛盾。仿真结果证实该算法精度高，实时性好。     

一种基于广义多尺度分形参数的图像边缘检测方法

分形是实现自然纹理描述的一种有效方法.本文从分数布朗随机场模型的描述出发,证明了具有不同分形特性的两种纹理边缘处的H参数估计值大于1的一般结论、将H参数泛化用于描述一般图像的特性,从而提出了一种基于广义多尺度分形参数的图像边缘检测方法.该方法通过构造多分尺度的广义分形参数H值,从而可以实现图像边缘的有效提取.     

灰度和彩色图象分割的一种改进算法

图象边缘检测技术是图象处理中最重要的内容之一,且已在图象分析和识别区域中得到广泛的应用。但由于边缘点不连续和难以把存在大量碎边缘的高细节区提取出来这两个原因,而不能直接实现完整意义上的图象分割。为了提高图象分割的边缘准确性和区域一致性以及降低分割错误率,提出用边缘生长的方法来解决不连续的边缘点链接问题,以便间接地将高细节区围成一个区域。该算法也可以嵌入到其他利用边缘信息的分割算法中。     

基于模糊Chebyshev基函数神经网络的快速学习算法

将模糊控制与神经网络相结合,用神经网络来实现模糊推理,提出了一种以Chebyshev基函数为隶属函数的模糊神经网络。由于无需调整隶属函数的参数,因此该模糊神经网络模型算法的计算量大大减小,仿真结果表明了该模型算法的有效性和快速性。     

从样本数据中获取模糊规则的一种算法

提出一种直接从样本数据中获取模糊规则的算法．模糊规则的隶属函数通过计算样本数据的方差与期望而得出,规则的抽取通过一个５层模糊神经网络实现,该算法包括两部分,第１部分确定出最佳规则;第２部分通过学习提高推理精度,通过仿真验证了该算法的有效性．     

一种有效保持边缘的现场足迹边缘检测算法

现场足迹的背景图案以及灰尘等噪声往往对足迹细节特征的分析造成较大的干扰.为了能够准确的提取现场足迹的边缘,针对现场足迹的特点,在Canny算子的基础上,给出了一种有效的现场足迹边缘检测算法.首先使用高斯平滑抑制噪声,在二维高斯偏导卷积得到梯度边缘方向后由非极大值抑制和动态阈值边缘连接得到结果.相比较其它的算法,该算子不仅能够抑制噪声,而且能有效地保持边缘.     

基于改进的模糊ART的语音信号端点检测与切分

分析并讨论了模糊ART在处理样本数较大的分类问题时出现的连接权向量的"饱和"问题及某些特定情况下分类不准确的问题,在此基础上提出了改进的IFART算法,并将其运用于语音信号的端点检测与切分,实验结果表明该算法在不同的噪声环境下都能获得较好的分类效果。     

一种基于模糊规则的非线性系统快速模糊辨识方法

针对以往模糊建模方法中算法中算法过于复杂的问题，提出了一种简单而有交的复杂系统模糊建模新方法。该方法是基于输入空间的模糊划分，计算给定样本在各模糊子空间的隶属度，并列用卡尔曼滤波算法辨识模糊模型的结论参数。整个辨识过程与模糊聚类方法和误差反馈学习方法相比所需的CPU时间最短。最后通过著名的Box-Jenkins煤气炉数据仿真结果证明了该方法的有效性与实用性。     

一类快速模糊支持向量机

由H.P.Huang、C.F.Lin等人和T.Inoue,S.Abe等人提出的两类模糊支持向量机是两种类型的改进支持向量机,分别克服了过学习问题和减少了多类问题分类时存在的不可分区域。如何处理异常数据和加速训练大规模数据集是支持向量机中的急需解决的两个问题。针对这两个问题,提出了一类将两类模糊支持向量机集成的快速模糊支持向量机。训练时,根据每类数据与其类中心的距离,定义隶属函数,以加大对容易被错分样本的惩罚,利用合适的参数λ选取了每类数据中隶属度值较大的边缘数据构造模糊支持向量机,测试时,利用1-a-1和模糊支持向量机的决策函数判定未知样本的类别。含有异常数据的两类问题和机器学习数据集中手写数字识别的多类问题的实验结果,验证了提出的快速模糊支持向量机减少了训练时间同时提高了学习机的推广能力。     

基于小波提升和形态学的图像边缘检测方法

提出了一种基于小波提升和形态学的图像边缘检测方法。对源图像进行小波分解,用数学形态学法对低频子图像进行边缘检测,用小波变换法对不同分解层上的高频子图像进行边缘检测,采用一定的融合规则将这两个边缘图像融合在一起得到一幅完好的边缘图像。这种边缘检测方法结合了小波提升法和数学形态学法的优点,对用这两种方法得到的边缘信息进行融合,有效地抑制了噪声,且边缘连续、清晰。实验结果表明,提出的这种结合方法优于单独使用数学形态学法或小波提升法。     

基于UMVE算法的分布式模糊恒虚警系统

基于模糊逻辑和无偏最小方差估计(UMVE)算法提出一种新的分布式CFAR系统(分布式模糊UMVE),系统中每个UMvE-CFAR检测器根据参考单元计算出映射到虚警空间的隶属函数值,并传给融合中心,融合中心根据这些值采用模糊融合准则进行判决.仿真结果表明,分布式模糊UMVE在均匀背景和非均匀背景下具有比分布式模糊OS更好的检测性能,同时,模糊算术积融合比二元"与"融合和"或"融合提供更好的检测性能.该研究成果可应用于警戒雷达系统.     

一种改进的图像模糊增强方法

本文在ＰＡＬ提出的用模糊集合理论进行图像增强的方法的基础上，提出了一种用正弦函数进行图像模糊增强的方法，我们对四幅图像进行了处理，并给出了定量的描述结果。     

基于超模糊集的多属性图像阈值分割算法

传统的分割方法往往是根据图像单一的属性标准对图像进行分割,很难满足图像的多方面分割要求。由于许多外界干扰因素的存在,使得基于经典模糊集方法进行的分割,结果也常常不令人满意。针对这些问题,介绍了一种基于超模糊集合理论的多属性图像阈值分割方法（F2ES）,在超模糊集的基础上,结合模糊熵和模糊相似性两种截然不同的属性刻画待分割图像,构造综合评价函数,得到最佳阈值。针对多幅不同类型图片进行分割仿真实验,得到较好的结果,证明该算法是切实可行的。     

基于改进PSO的加权直觉模糊多目标规划

针对模糊多目标规划不区分各目标重要程度的缺陷,提出了一种加权直觉模糊多目标规划模型.首先,在模糊多目标规划的基础上,进一步定义目标函数和约束函数的非隶属函数;然后,对目标函数的隶属和非隶函数分别加权求和,通过直觉模糊"最小-最大"算子,提出了加权直觉模糊多目标规划模型,并用改进的微粒群算法求解;最后,通过一个算例表明,加权直觉模糊多目标规划的收敛速度很快,既可收敛到可行域中的最优解,又可收敛到容许偏差范围内的最优解,具有较大的实用性.     

基于动态递归模糊神经网络盲均衡算法的研究

模糊系统和神经网络已广泛应用于系统的辨识和控制,但是传统的模糊神经网络是一种静态映射,不适用于动态系统的辨识;而由于无线通信信道的时变性和不确定性,决定了盲均衡器本身就是一个动态的均衡过程,所以研究利用动态递归模糊神经网络的盲均衡算法是可行的,而且也是必要的。仿真结果表明:由于动态模糊神经网络的均衡过程同时利用了系统的当前数据和历史数据,对动态系统的均衡,较传统神经网络在均衡的精度和稳定性方面具有更好的效果。     

基于GABOR滤波的大脑MRI图像边缘检测

基于二维Gabor滤波提出了一种对大脑MRI图像进行边缘检测与提取的方法,通过分析、简化、分解Gabor函数,设计了Gabor函数的多个参数,包括中心频率φ,滤波方向θ,以及沿着x轴和y轴Gaussian包络的空间常量σ。在算法实现过程中,恰当选取了一组可以覆盖给定图象整个频率空间的滤波,用这组滤波分别提取图象的局部信息,然后按照一定的规则将滤波后提取出局部信息的多幅图像整合为一幅图像。实验结果表明,该方法相对于传统的Gabor滤波可明显的减少计算量,并可连续、有效的检测边缘信息,定位准确,检测效果明显,对噪声也显示出较好的鲁棒性。     

基于优化水平集方法的CT图像肺结节检测算法

对Chan-Vese水平集图像分割方法进行分析和改进,提出了结合全局区域均值和局部边界信息的水平集改进算法,应用于肺部CT图像分割和肺结节检测。在图像分割的目标函数中,在Chan-Vese方法基础上,引入局部边界统计特性能量项,以利于提高肺部医学图像分割的准确率和分割速度。实验表明,该方法可以很好地分割出肺实质轮廓和肺结节病灶区域,在分割速度上比Chan-Vese方法有了明显的提高,检测结果不依赖于初始设置,将人工交互降至最低,有利于实现CT图像肺结节自动检测。     

功能替代模型的模糊可靠性分析

针对功能替代模型的定义 ,分析了原有的可靠性评估方法存在的不足 .应用模糊数学的原理和方法 ,在模糊可靠性理论的基础上 ,对功能替代模型进行模糊可靠性评估 ,得出了该模型模糊可靠度和模糊平均寿命的计算公式 .最后 ,给出一个示例 .