用前向网实现噪声图像的边缘提取

本文提出采用多层前向网及改进的ＢＰ算法，对经Ｃａｎｎｙ最佳边缘检测算子处理噪声图象后得到的高、低门限图进行不连续轮廓的并行“修补”，能够较快地得到信噪比高的边缘图象。     

一种用于提取医学图象边缘有新方法

本文运用图论中启发式搜索法，能够克服人体器官边缘轮廓中某些区域出现灰度模糊，智能地提取精确的边界。本文所述方法能推广到光照不均匀和边缘有重叠物图象中提取边界。     

检测噪声图象边缘的CPR法

本文提出一种噪声图象中检测边缘的新方法.该方法从图象的灰度概率域入手,将概率谱分为两个等面积的集群.通过判定集群间距离检测图象的边缘.理论分析与实验结果表明这种方法具有较强的对噪声图象的边缘提取能力.     

基于逆向学习改进算法的汽车边缘提取

根据智能交通系统中车型识别的特点提出了使用逆向学习改进算法提取汽车边缘的新方法，这种方法的优点在于可以充分利用车型识别系统的特点和汽车历史轨迹的先验知识得到较好的提取精度，并有效地解决了车型识别中，因使用黑白图象而使基于色彩的汽车边缘提取失效的问题。     

提取深度图象尖顶边缘的一种新方法

提出了一种以基本数学形态学运算为基础的在深度图象中提取尖顶边缘的方法．首先用形态梯度算子处理深度图象，使尖顶边缘包含在图象的凹谷中．然后用形态凹谷检测算子将凹谷检测出来，并在尖顶边缘处形成凸峰．计算凸峰的局部极点，从而得到对应的尖顶边缘点的位置．用实际的深度图象进行了实验，结果证明这种方法快速有效，并且具有良好的抗噪声性能。     

一种用于提取医学图象边缘的新方法

本文运用图论中启发式搜索法，能够克服人体器官边缘轮廓中某些区域出现灰度模糊，智能地提取精确的边界。本文所述方法能推广到光照不均匀和边缘有重叠物体图象中提取边界     

二值图像边缘提取的新算法

边缘提取属于图像理解的低层处理阶段,就是提取被选定物体区域的外边缘轮廓。本文主要介绍了一种边缘提取的新思想,是通过以往的两个像素形成的模型以及使用第三个像素的外围空间来进一步确定待求德像素的思想。使对像素的搜索更具有目的性。通过实验,新算法与传统算法相结合可以有效地提高边缘提取的速度。     

用干涉滤波技术实现图象边缘增强

本文提出了用干涉及滤波技术实现图象边缘增强的一种新方法。将同一物体的一张正确对焦的透明片与另一张离焦的透明片重叠放在透镜的前面,在单色平行光照射下,在透镜的后焦面上得到两图象的谱的干涉,通过对干涉条纹的适当滤波,可在输出面得到边缘增强的象。     

利用后验均值提取电视电话图象边缘的方法

本文以马尔可夫随机场模型研究了电视电话图象，利用后验均值建立了提取人物头肩象轮廓的方法。该方法针对此类图象的特点定义了合适的边素，给出了相应的邻域系，连通子图及能量函数，此外还根据人眼辨另灰度极的特性在叠代前对原始图象进行了均衡。由于采取了这些措施，使得该算法不仅提高了轮廓的定位精度，而且具有很高的抗噪声能力。     

利用侧抑制神经网络的边界识别

讨论利用侧抑制神经网络边界识别的方法。通过对两种类似的一维输入模型矩形和马赫带探讨,阐明侧抑制神经网络能够识别到输入模型的界线。更一般的讨论是将该方法推广到二维空间的情况。最终,全部模型都已经在多目的神经网络环境中模拟,并已经在PC上实现。     

一种基于前馈神经网络的火灾探测方法

讨论了基于模拟量探测器和前馈神经网络的火灾探测方法．以光学感烟、半导体感温、离子感烟和湿度模拟传感量为输入，以火灾概率和阴燃火灾概率为输出量对前馈神经网络进行训练，不仅可提取火灾环境的有效特征，而且可提高检测算法的可靠性     

分支前馈神经网络的研究

在BP算法的基础上，提出了一种用于模式分类的人工神经网络模型-分支前馈神经网络，并给出了相应的算法，对模式分类的几个典型例子进行了计算机仿真研究，仿真结果表明，与一般BP网络相比较，分支前馈神经网络显著地减少了训练时间，且分类效果更好。     

Immune Feedforward Neural Network for Fault Detection

An immune algorithm-based approach was developed to optimize a feedforward neural network. The network architecture, activation functions, and training method were encoded as individuals with an ap- propriate method for individual selection. The immune feedforward neural network is then applied to fault detection of water quality monitoring equipment. This gives better performance than a feedforward neural network.     

径向基神经网络在入侵检测中的应用

与广泛使用的BP网络模型相比,径向基函数神经网络具有训练时间短且不易收敛到局部最小的优点.将3种径向基神经网络应用到入侵检测中,用于入侵模式识别的分类和预测,从而提高入侵检测系统的检测率并降低误报率.     

前馈神经网络权值和拓扑结构的一个学习算法

从三层前馈神经网络作为样本分类器时隐结点常常起着聚类作用的想法出发，提出一种在权值学习过程中调整网络拓扑结构的学习算法．实验结果表明，该法能在网络的权值学习过程中比较有效地选择网络的拓扑结构，同时又具有较快的学习收敛速度     

基于BP神经网络的风景图像分类

通过建立一个多输出的BP神经网络,提取图像的底层特征作为网络的输入,用语义期望值作为网络的输出.训练完成后,该网络能够对风景图像进行多种语义分类检索,从而建立起了从底层特征到语义特征之间的映射.提出的一种颜色提取方法不仅降低了颜色特征向量的维数,减少了计算量,节省了时间,而且在描述风景图像的颜色内容上更加准确.如何选取图像的语义阈值是一个重点也是一个难点,通过实验发现,当阈值的选取范围在[0.55,0.65]时,检索的查全率和准确率能达到一个比较好的平衡效果.实验证明,此方法在风景图像的分类上取得了较好的检索查全率和准确率.     

前馈神经网络结构自删除算法的研究

综述了利用删除法进行前馈神经网络设计的研究现状,并在重点分析根据隐节点输出相关性进行自删除的几种算法的基础上,在一个较高层次上提出了一种新的隐节点自删除算法。算例说明了这种法不仅可以压缩线性相关隐节点,而且可以删除不重要的隐节点。其重新计算量也大大减小。     

用于前馈神经网络的遗传设计

在人工神经网络应用中,由于存在网络规模和拓扑结构难以预先确定,网络学习速度慢,且易于收敛到局部最优点等问题,有关文献提出了采用基于遗传算法（ＧＡｓ） 思想进行设计和学习的方法,该方法能够同时确定网络的结构及有关参数。该文在此基础上,对此方法进行了改进,改进之处在于,采用浮点数矩阵来表示编码,同时对于遗传算法的进化过程也进行了一定的改进,使该方法能够接受一定的约束条件。针对前馈型神经网络,该方法在满足一定约束条件的情况下,能同时有效地寻找到合适的网络结构和相应的参数（ 神经网络的权值和阈值） , 新方法较原方法在精度和速度上都有较大的提高。     

前向神经元网络的子波表示

基于函数逼近，对前向神经元网络中非线函数与子波变换中母函数的关系进行了分析，推出了前向神经元网络的子波表示，指出两种方法应用于Ｌ＾２（Ｒ）空间函数逼近时是一致性，最后给出了两个前向神经元网络的子波表示，函数逼近实例验证了本结论的正确性。