基于演算侧抑制模型的运动目标检测方法

研究了一种新的基于时空信息的运动目标检测方法.引入了多通道的概念,采用演算侧抑制模型ALI进行运动目标检测.首先根据时域信息创建多个图像处理通道,将视频图像在各通道上分别进行时域ALI、时空域ALI运算获取运动信息,然后将各通道运动信息进行融合提取运动目标,并用时空域ALI消除噪声.仿真实验表明,该方法在复杂背景下可以精确获取运动目标的轮廓.     

强噪声与突变干扰下的紫外图像中导弹目标的提取

为了抑制紫外图像处理中紫外CCD(电荷耦合装置)传感器和高增益放大器的强噪声和突发干扰,在不改变现有紫外CCD 传感器硬件结构的前提下,提出了一种紫外图像序列的三维递归滤波算法. 该算法由二维IIR(递归)空间滤波器和一维时间IIR 滤波器级联构成. 所提出的三维递归滤波算法计算量小,稳定,且可清晰地
提取导弹目标,实现快速实时的紫外图像序列滤波. 提供了二维IIR 空间滤波器和一维时间IIR 滤波器的稳定性检验算法. 仿真实验验证了所提的三维滤波算法是正确,有效而实用的.     

基于循环神经网络的汉语语言模型并行优化算法

计算复杂度高导致循环神经网络语言模型训练效率很低,是影响实际应用的一个
瓶颈. 针对这个问题,提出一种基于批处理(mini-batch) 的并行优化训练算法. 该算法利用
GPU 的强大计算能力来提高网络训练时的矩阵及向量运算速度,优化后的网络能同时并行处
理多个数据流即训练多个句子样本,加速训练过程. 实验表明,优化算法有效提升了RNN 语
言模型训练速率,且模型性能下降极少,并在实际汉语语音识别系统中得到了验证.     

基于统计方法和主动轮廓模型相结合的医学图像轮廓提取

采用最小描述长度作为目标函数实现点分布模型上轮廓点的自动选取,提出了一种结合统计方法与主动轮廓模型提取图像轮廓曲线的方法.对一系列图像训练得到该训练集的典型轮廓曲线,初始化新图像的主动轮廓模型曲线后,再用训练集得到的轮廓线约束其变形,提取图像最佳的轮廓曲线.实验表明,与传统主动轮廓模型比较,该方法具有更好的轮廓提取效果.     

基于二阶差分耳蜗模型的语音识别新方法

采用二阶差分耳蜗模型对语音信号进行特征参数提取,获得了基于听觉谱的语音识别前端特征参数,同时根据听觉谱特征提出了一种"幅和频差积"距离测度,识别算法采用端点放松两帧,路径斜率限制在1/2到2之间的改进型DTW算法.在小词汇量非特定人(SI)的识别环境下,计算机模拟结果表明此法在对0~9十个数字以及小词汇量的SI识别时,其正识率可达98%以上,且具有较好的鲁棒性.     

基于T-S模型的智能PID控制

提出一种基于分段线性模糊模型的T-S模型,并与传统PID控制器相结合设计了一种模糊神经网络PID控制器,它具有模糊系统非线性、可解释性的特点,神经网络的自学习和自组织功能.对其进行非线性时变系统仿真,仿真结果表明该控制器较常规PID控制器的调整时间可明显缩短.     

多模型贝叶斯概率决策融合的遥感影像水体提取

针对使用单个深度网络提取不同类型水体时存在泛化能力弱的问题,提出一种多模型贝叶斯概率决策融合方法。选取3个不同的深度网络U-net、ResUnet和Deeplab v3+作为基础分类器进行训练并输出遥感影像上每个像素所属水体的类别概率,基于贝叶斯构建概率自适应融合模块,得到最终的水体提取结果。实验结果表明所提出的多模型贝叶斯概率决策融合方法在水体测试集上的精确率、召回率和F₁值分别达到94.21%、95.49%和94.85%,对不同类型水体的融合结果比平均法和多数投票法更准确。     

基于后验知识监督的噪声鲁棒声学模型研究

语音人机交互技术作为近几年的一个研究热点,市场需求逐步增长,但是人机交互系统在抗干扰能力上存在不足,系统性能易受环境噪声的影响,一定程度上限制了相关产品的应用推广针对人机交互噪声鲁棒性问题,提出了一种基于后验知识监督的噪声鲁棒声学建模方法,类似于老师指导学生的方式,以老师模型的后验概率分布（软标注）作为指导知识对学生模型的训练进行监督,并设计出一种基于CNN DNN混合网络的学生模型,通过对带噪语音的高层特征进行提炼,提升声学模型的抗噪性能构建的学生模型在CHIME带噪数据集下进行了性能验证实验,实验结果显示三种老师模型监督下的学生模型词错误率与基线模型相比平均下降了5.21%、6.35%和7.83%,表明提出的后验知识监督方法对声学模型的鲁棒性具有很好的提升效果     

基于DEM的新疆开都河流域河网提取研究

随着水文与3S技术的不断融合,大多数地形信息存储在数字高程模型(DEM)中,可以自动化的提取流域水系信息参数.利用ArcGIS中的水文分析工具Arc Hydro Tools对开都河流域分辨率为1∶25万DEM进行研究.结果表明,采用不同阈值提取开都河流域河网时,主河道的空间位置基本不变,但是河网密度发生明显变化.通过与实际河网的对比,确定当阈值为17 000时,有较好的吻合度.     

基于修正动态组合模型对公共交通客运量的预测

针对公共交通客运量的预测问题,结合ARIMA、灰色预测以及BP神经网络的优势,采用临近期的误差平方和来计算动态权重,将突发事件定义为影响因子,建立了修正动态加权组合模型．选取北京市1978—2021年公共交通客运量进行实证分析．实证分析结果表明,修正动态加权组合模型的预测效果比单一模型和固定权重组合模型更好．     

蚁群聚类神经网络的耳语音声调识别

提出了一种基于蚁群聚类神经网络的汉语耳语音声调识别方法.根据耳语音发音特点,以听神经平均发放率、幅值包络、共振峰、声道长度等构成的多维矢量描述声调特征,采用蚁群聚类算法将多维特征矢量聚类后,送入局部有监督特征映射神经网络进行声调识别.这一方法通过对特征参数的聚类压缩了神经网络的输入神经元数目,因而可以有效避免在大数据条件下神经网络不易收敛及速度慢的问题.对多人耳语音声调的识别实验显示,采用蚁群聚类神经网络的耳语音声调识别方法与传统方法相比,性能明显提高,平均正识率达到87.5%.     

基于小波神经网络的图像文本信息提取技术研究

提出了利用小波神经网络提取图像中文本信息的新颖方法.原图像经过离散小波变换分解成4个子频带,文本区域的高频子频带与非文本区域的不同,所以可利用其差异计算出3个特征值作为人工神经网络的输入值,然后用基于BP算法构建的人工神经网络来训练待测的文本区域.文本区域的人工神经网络输出值不同于非文本区域的输出值,因此可利用一阈值来判定其是否为文本区域.最后,将可检测的文本区域经过扩张运算后便可得到正确的文本区域.     

基于卷积神经网络的时空权重姿态运动特征提取算法

在传统姿态运动特征提取过程中存在有效提取效率低的问题,于是提出了基于卷积神经网络(convolutional neural network,CNN)算法的时空权重姿态运动特征提取算法.针对所选择的运动时空样本,提取相应的时空运动关键帧并以静态图像的形式输出;采取运动目标检测、图像增强等多项措施完成初始运动图像的预处理工...     

基于图象分割子集法的人工神经网络在两相流层析成象仿真中的应用研究

提出了基于图象分割子集的神经网络对管道内两相流进行电容层析成象的方法.解决了神经网络的输出单元数与重建图象精度之间的矛盾.研究了成象的分割网络模型及其实现步骤.给出了系统误差E和图象仿真结果.结果表明该方法能够更精确和快速地重建出两相流体的断层图象.     

基于相近关系的粗糙因子神经网络的模式识别方法

针对经典粗糙集理论中的不可分辨关系对连续属性值中噪声数据缺乏容错性的情况,提出一种基于个体属性值距离的相近关系,定义了相近关系下的粗糙集理论的基本概念.在相近关系的基础上,提出了衡量粗糙隶属度的方法,研究了该隶属度函数的性质,利用该函数作为粗糙因子设计了粗糙因子神经网络,可减小噪声污染的影响,并使网络的收敛速度得到提高.最后,通过对某型歼击机操纵面故障的模式识别的仿真研究验证了文中方法的正确性和有效性.