基于MRF模型的多层前馈网络纹理分割方法

提出一种基于马尔柯夫随机场 (MRF) 模型和多层前馈神经网络进行纹理分割的方法.利用二阶高斯MRF模型对图像纹理进行描述，采用最小平方误差方法进行参数估计，将估计参数作为纹理的特征向量，并且利用改进的BP算法对特征进行分类.对纹理图像进行的实验表明，与常规距离方法相比，采用这种方法进行纹理分割能取得更好的效果.     

基于多层前馈网络的计量经济模型敏感性分析方法

多层前馈网络计量经济模型可以描述复杂的非线性经济现象,在经济建模中的应用日益广泛。而经济敏感性分析是一种研究经济的有效方法,潜在函数关系的可微性是应用该方法的前提条件之一,其要点是用拟合函数的导数来近似潜在函数的导数。介绍了四种敏感性分析方法,给出了多层前馈网络计量经济模型正规化灵敏度的解析计算方法,并说明了对多层前馈网络计量经济模型进行敏感性分析是一种有效识别敏感因素的方法。     

一种多层前馈网络计量经济建模方法

介绍了4种敏感性分析方法,给出了多层前馈网络计量经济模型正规化灵敏度的解析计算方法,进而利用灵敏度来进行多层前馈网络结构优化.结果表明了对多层前馈网络计量经济模型进行敏感性分析是一种有效识别敏感因素的方法.     

基于多层前馈网络的高速公路意外事件侦测及规律

为了建立基于高速公路交通流参数检测的事件救援系统,运用多层前馈网络(MLF),对其关键的意外事件侦测技术及其检测规律进行了研究。确定了事件检测需要选定的模型,描述了检测的基本原理,提出了模型的结构原型并进行了训练和测试;对输入特征中的单侧与双侧输入、多时阶组合及多因素组合特征进行了性能测试,得到了相对具有良好性能的输入特征。同时,给出了不同因素及因素组合与检测效率之间的基本规律。结果表明,给出的模型较California 8#算法性能显著改善,其检测率提高了187%,误检率降低了46%,平均检测时间缩短了73%。     

基于小波域MRF模型的SAR图像分割

针对存在严重斑点噪声的合成孔径雷达(SAR)图像的分割问题,提出了一种基于小波域马尔科夫随机场(MRF)模型的算法.该算法综合利用了隐含马尔科夫树的相关邻域信息和图像的多分辨率描述的信息,将期望最大化用于先验概率分布参数的估计,采用最大后验准则来进行图像的分割.通过对SAR图像的分割实验表明,该算法可有效去除斑点噪声的影响,并能在准确分割目标的同时保留目标的细节信息.     

多层前馈神经网络的动态规划算法

利用动态规划来训练多层前馈网络，即逐层修改网络的权值。其算法采用有关文献提出的矩阵的广义逆的正交反向传播算法，经有限次迭代即可得到每一层的最优权值。     

基于多层前馈神经网络的数据压缩方案

利用多层前馈神经网络的非线性映射能力,通过构造特殊的映射关系,提出了一种较为理想的数据压缩方案．数据压缩比达到7：1．该方案只分析音频、图像等数据信息并进行理想压缩,对其数据格式、内容等不予考虑．通过试验证明了该方案的可行性．     

基于MRF和图割的多尺度图像分割和配准同步方法

图像分割和图像配准是图像处理领域中的两个关键技术.事实上,图像分割和图像配准之间是相互依赖、彼此互惠的.本文以图割理论为基础,结合马尔科夫随机场(Markov Random Field,MRF)模型,提出了一种基于MRF和图割的多尺度图像分割和配准同步方法,该方法通过将分割信息和配准信息耦合在一起,利用两者的相互促进作用,以得到更准确的分割和配准结果,并通过实验证明了该方法的有效性.     

基于两维WAVELET分解的纹理图像分割方法

提出了一种纹理图像的分割方法，主要利用ＷＡＶＥＬＥＴ变换的多分辨率分析的特性，通过两维分解抽取图像的纹理特征，并对图像小窗口区域的特征进行聚类，该聚类结果可作为多层ＢＰ网权值学习的训练样本，进而利用ＢＰ网对各小窗口的特征进行分类以实现纹理图像的分割，实验证明，该方法对于纹理图像具有较好的分割效果。     

马尔可夫随机场在可见光图像分割中的应用

在可见光图像生成红外图像的过程中,图像分割至关重要。马尔可夫随机场（MRF）具有局部特性,由此特性建立了纹理特征的MRF模型。利用纹理的MRF模型,将参数的期望最大化用于该模型中的参数估计。最后将图像中的所有像素经该模型计算后得到纹理信息并分割图像。通过实验取得了较好的效果。     

多层前馈网络在商品需求量预测中的应用

利用多层前馈网络进行商品需求量预测。采用一种基于相对敏感性指标的修剪算法来进行网络结构设计,该方法进行迭代回溯选择搜索,删除影响较小的节点,降低了网络的结构复杂度,并可以利用一种保持输入输出总体性能近似不变的算法进行调整剩余权重。结果说明此种方法具有较好的效果,不仅满足了误差目标的要求,而且提高了网络的推广能力,相对敏感性指标还可以反映时间序列数据之间的关系。     

基于多分辨率小波和高斯混合模型的纹理图像分割

提出了一个基于多分辨率小波采样和高斯混合模型的纹理图像分割方法。该方法首先对图像进行必要的预处理,然后对图像进行小波“金字塔”分解。分解后的小波系数和图像共同组成了相应像素的特征向量,然后利用高斯混合模型进行分割。分割的实验结果表明,该算法具有较强的分割能力。     

基于小波变换及布朗分形模型的纹理分割

在研究小波变换布朗分形模型的基础上,定义了水平分维数,垂直分维数,对角分维数,并将它们作为纹理特征量来实现纹理的分割,实验结果表明,这些特征量能够很好地反映纺理特征,从而分割时不需有关图象中纹理类别的先验信息,较以往方法在准确度和计算复杂程度上都有很大提高。     

基于多层前馈型神经元网络模型的摄像机定标算法

针对传统线性、非线性摄像机定标算法的鲁棒性,提出了基于多层前馈型神经元（MLFN）网络模型来替代传统精确的摄像机定标数学模型,MLFN网络模型作为层状网络可实现任意维复杂的输入／输出映射,对于无需计算摄像机构,外参数的应用场合,该模型提供了一种实用且有较好鲁棒性的摄像机定标算法,同时为了补偿摄影机非线性畸变,把图像按畸变程度分割成两个区域,分别建立各自基于MLFN网络的摄像机定标模型,实验表明,该方法有效补了畸变,并提高了模型精度,给出了基于MLFN网络模型摄像机定标算法实验,验证了该模型的有效性。     

用多层前馈网络进行三维储层参数反演的方法

地震反演的主要任务是依据地震资料并综合利用地质、测井等资料得到地下地层的详细信息。三维地震反演需要处理庞大的地震数据体 ,同时在反演过程中既要考虑模型和测井的约束 ,又要考虑地震在横向上的连续性。将地震反演看作是地震数据到储层参数的模糊映射 ,并利用神经网络建立了这种映射关系。针对网络收敛速度慢、学习时间长等缺陷 ,提出了一种学习率自适应调整算法。该算法使每个权都有自己的学习率 ,使网络的训练速度大幅度提高。利用该方法进行地震反演 ,抛开了褶积模型的限制 ,也无须已知地震子波。外推过程是在三维空间内进行的 ,所得的储层参数数据体保持了横向上合理自然的连续性。对该数据体进行三维可视化解释 ,可以直接描述储层的空间展布。     

基于子波变换的纹理图像的多级分割

目的基于子波变换研究纹理图像的多分辨率分割．方法提出了子波域主能量通道的纹理图像多级分割方法．以最大能量为线索,建立起由细到粗的子波分解金字塔,分割按照其逆过程,即由粗到细,将低分辨率上的分割结果传递到高分辨率上．结果在每个分辨率上优化选择分割特征,用模糊Ｃ聚类法确定分割方案,有利于纹理图像的分割,分割结果逐级精细．结论员分辨率上基本无纹理栅格,分割效果符合人眼视觉特性．     

基于向量模糊模式识别的纹理图像分割方法

提出了一种基于同步自回归（ＳＡＲ） 模型和模糊信息原理进行纹理分割的方法．利用二阶ＳＡＲ模型对图像纹理进行描述,用最小平方误差方法对模型参数进行估计,将估计的参数作为纹理的特征向量．根据模糊信息原理,分析了纹理图像的模糊特性,给出了一种基于向量模糊集合簇模糊模式识别的纹理分割方法．实验结果表明,用所提出的方法进行图像纹理分割取得了较好的分割效果．     

基于覆盖算法与多层前馈网络的案例库维护

针对运行在电子商务等交互式应用领域中的案例推理系统时,其案例库的规模很容易达到成千上万条且不能削减的特点,提出同时从两方面着手完成案例库维护:一方面用覆盖算法将案例库划分成覆盖领域,实现案例的选择性过滤使用;另一方面应用多层前馈神经网络改进案例匹配,提高检索效率.实验表明,该方法可以用来处理海量的高维数据,保证了系统的可用性.     

基于纹理检测器的多频道纹理分析

按照２Ｄ Ｇａｂｏｒ函数的特点和视觉机制，提出了用来捕捉纹理基元的纹理检测器函数，基于纹理检测器和多频道分解理论，提出了影像纹理的多频道分析方法，并按照神经动力学的侧抑制和端点抑制等理论，实现了对多频道纹理特征的融合，为改进现存多频道滤波方法提供了良好途径，实验表明，所提出的方法可有效用于具有相似模式大小的纹理分析。     

基于统计地形特征分割纹理图像的方法

纹理分析是计算机视觉与模式识别领域的一个重点和难点问题。统计地形特征是一种新的纹理描述方法该方法将图像函数表示成三维空间中的曲面信息,再用一组水平面切割该曲面,形成若干闭合的区域,通过多种统计方法描述切割所得到山包的几何拓扑信息来描述纹理特征。并使用区域增长法分割对给定的纹理图像区域分割,验证了该方法的良好性能。