基于choquet模糊积分的多神经网络融合模型的研究

为了进一步提高网络入侵检测系统的检测性能,提出了基于choquet模糊积分的多神经网络融合模型。它的基本思想是按照TCP／IP属性集的类别不同将TCP／IP数据集分成三个不同属性集的子数据集,在不同属性集上训练形成不同的子神经网络,然后用choquet模糊积分将多个子神经网络对TCP／IP数据的检测结果进行非线性融合形成最优判断。采用KDD99实验数据验证该模型的有效性,实验结果表明,该模型可以得到较好的融合效果。     

刀具切削状态模糊性及识别方法

论述刀具切削状态识别过程中存在的模糊问题及识别方法。方法对刀具切削状态模糊性进行了理论分析,将模糊划分理论与神经网络识别方法相结合,给出神经网络非线性映射作用一般扩展原理的推论以及模糊模式识别及推理规则;结果对不同切削负载,给出相应模糊推理机制和模糊判别规则。     

模糊神经网络与证据理论的飞机目标敌我识别

为满足复杂环境下目标敌我属性识别能力,提出了一种基于模糊神经网络（FNN：Fuzzy Neural Networks）和证据理论的新敌我识别方法。该方法利用模糊神经网络和证据理
论信息的处理能力,将敌我识别器(IFF:Identification Friend -or-Foe）、电子支援措施(ESM:Electronic Warfare Support Measure)、雷达及红外获取的信息融合,进行敌我识别。
仿真结果表明,该方法的识别能力明显优于单一模糊神经网络分类器,识别率达0.994,同时具有很强的容错性和一定的抗干扰能力,更适合战场需要。     

正则模糊神经网络在积分模意义下的逼近性

给出了模糊值函数在Lebesgue测度空间上的Lp-积分模定义, 得出了正则模糊神经网络依L-积分模对模糊值函数构成泛逼近器. 进而在伪可加测度空间上定义了模糊值函数的Lp-伪积分模, 研究结果表明正则模糊神经网络在L-伪积分模下对模糊值函数也具有逼近性.     

基于改进自组织竞争神经网络的高光谱图像分类

针对传统的SOFM网络对高光谱图像分类精度低的缺点,提出了采用模糊积分与神经网络相结合的分类方法．即在改变网络的学习速率函数和邻域函数的前提下,同时对分类结果采用基于模糊积分的信息融合,使分类器之间相互补偿,并用高光谱图像的分类实验进行验证．与普通的SOFM网络和K均值聚类方法相比较,分类效果更好．     

Choquet模糊积分融合模型中模糊测度的确定

用模糊积分进行多分类器融合时,模糊测度是至关重要的.有限的事例集上,基于模糊测度的Choquet模糊积分的计算可以用乘积与求和算子来表示,即转化成模糊测度的线性组合.本文用线性规划来确定模糊测度,并且用例子说明模糊积分融合方法要优于乘积法、最大值法、多数投票法、加权平均法等简单的融合方法.     

基于MIMO-FNN模型的弹道导弹目标时空序贯融合识别方法

针对传统弹道导弹(BM)目标时空序贯融合识别算法识别效率低、抗噪性能差的缺点,提出了一种基于多输入多输出模糊神经网络(MIMO-FNN)模型的BM目标时空序贯融合识别方法.该方法首先根据多层融合的思想,结合神经网络和模糊理论,提出了多传感器多特征MIMO-FNN模型;其次,在此基础上,将当前时刻的融合结果与下一时刻的融合结果再融合,得到此时刻时空序贯融合识别结果,并将其与识别门限比较,直到满足识别门限要求,时空序贯融合识别结束,并做出决策;最后通过实验验证了所提模型的有效性和良好的抗噪性.     

Choquet模糊积分的粗糙性及信息融合

在分析现有模糊积分理论的基础上 ,提出了Choquet上、下模糊积分的概念和粗糙区间数的积分形式 ,给出了Choquet模糊积分的粗糙特性 ,建立了基于粗糙Choquet模糊积分形式和信息融合方法 .该方法在存在各种外界干扰因素的多传感器融合环境中 ,可以较好地实现区间数传感器的选择和融合 .所给Cho quet上、下模糊积分是经典Choquet模糊积分在粗糙意义下的扩展形式 ,能处理粗糙区间数数据源和信息系统的对象 .模拟实例验证了融合方法的有效性     

基于卷积神经网络的多光谱掌纹识别技术

在多光谱掌纹图像采集设备研发的基础上,提出一种基于卷积神经网络的多光谱掌纹识别方法.该方法使用ResNet-18网络对掌纹图像进行特征提取,应用特征级融合方法并将融合后的特征送入SVM分类器中进行决策.实验结果表明,所提出的多光谱掌纹识别方法可以有效提升掌纹图像特征判别效率,相比于单光谱方法和传统的神经网络算法具有更高...     

模拟电路的融合智能故障诊断探究

本文阐述了在对模拟电路进行融合智能故障诊断过程中使用的,基于数据融合技术、模糊理论、神经网络和遗传算法的新方式,这种方式在诊断的过程中通过多种电路测试数据,对因为测试节点不够而产生故障信息不足的问题进行解决。使用遗传的算法,对BP网络的初始权值分布和结构等进行优化。每一种测试信息都是用一个单独的遗传神经网络进行初步的分析,最终在各种测试信息的基础之上取得诊断电路受到各种故障损害的可能性,在对每一种神经网络的输出信息的重要性进行考虑,在进行决策融合的过程之中使用模糊积分融合的方式。本文对模拟电路的故障特征进行选择,通过对系统结构的选择、样本选择、算法学习和决策的综合方式,通过对电路进行的诊断,论述了融合智能故障诊断的具体实现方式,对各种方式的鲁棒性进行了验证。最终对故障进行准确的定位。     

基于多特征融合卷积神经网络的人脸表情识别

针对卷积神经网络特征提取不够充分且识别率低等问题,提出了一种多特征融合卷积神经网络的人脸表情识别方法。首先,为了增加网络的宽度和深度,在网络中引入Inception结构来提取特征的多样性;然后,将提取到的高层次特征与低层次特征进行融合,利用池化层的特征,将融合后的特征送入全连接层,对其特征进行融合处理来增加网络的非线性表达,使网络学习到的特征更加丰富;最后,输出层经过Softmax分类器对表情进行分类,在公开数据集FER2013和CK+上进行实验,并且对实验结果进行分析。实验结果表明:改进后的网络结构在FER2013和CK+数据集的面部表情上,识别率分别提高了0.06%和2.25%。所提方法在人脸表情识别中对卷积神经网络设置和参数配置方面具有参考价值。     

人脸表情识别的Gabor变换最优通道模糊融合方法

根据Gabor小波的多方向、多尺度性质,将其分成13个通道。利用各个通道对表情识别率贡献不同的特点,提出了一种最优通道模糊积分融合的人脸表情识别算法。首先,提出最优通道选取的三条原则,根据这三条原则选取出3个最优通道;然后,提取表情图像经过最优通道的Gabor特征,并进行降维处理;最后,将每个最优通道作为一个分类器,用基于模糊积分的多分类器联合的方法对它们进行融合处理。在JAFFE库上进行测试取得了94.41%的识别率,验证了该算法的有效性。     

基于多尺度跃层卷积神经网络的精细车型识别

为解决精细车型识别中特征不具有代表性,且识别准确率低的问题,提出了基于多尺度跃层卷积神经网络(CNN)的车型识别方法。通过多个不同尺度的跃层卷积神经网络,提取适用于精细车型识别的低层局部特征和高层全局特征,并分别训练Softmax分类器。利用自适应方式融合方法,将多个单一尺度跃层卷积神经网络的识别结果进行融合,调整不同网络对识别结果的贡献。实验中车型识别准确率达到97.59%。实验结果表明多尺度跃层卷积神经网络适用于精细的车型识别,并能提高识别的准确率。     

一种基于模糊积分的多分类器人脸识别方法

提出了一种基于模糊积分的多分类器人脸识别新方法，首先采用两种不同的K-L变换及Fisher线性鉴别分析方法对原始图象进行特征抽取和压缩，然后将压缩后的特征设计成不同的分类器，再利用模糊积分对这些分类器进行融合，达到主观期望和客观证据间的最佳匹配，从而提高了对目标的识别率，并将该方法应用到人脸识别中，实验结果表明，该方法提高了识别率，证明其有效性。     

煤矿救援蛇形机器人环境建模方法研究

煤矿救援机器人的研究对煤矿救灾工作的顺利开展有着重要的现实意义,简要分析了煤矿救援机器人在环境建模方面的研究现状,针对煤矿事故发生后,救援蛇形机器人如何在恶劣的井下进行环境识别和建模,提出了一种变结构模糊神经网络的多传感器数据融合算法。重点讨论了该算法的原理,结合煤矿井下的特殊环境和蛇形机器人自身结构特点,采用超声波传感器、红外测距传感器、激光雷达传感器组来获得障碍物的距离、位置信息及环境类型信息,然后,利用模糊神经网络对这些信息进行融合,采用改进的BP算法对网络进行学习,通过对结论网络权值的调整,择优选取模糊规则,从而自动的调节模糊神经网络的结构。以机器人在靠近障碍物时的八类典型环境标志为依据,通过模糊神经网络识别出障碍物的形状,完成环境的建模。利用实验获得的一组数据进行了仿真,结果表明该算法实现了在不同环境中模糊隶属函数的自动生成和模糊规则的择优提取,适用于复杂的非线性系统,对于煤矿救援蛇形机器人的环境识别和建模是一种行之有效的方法。     

刀具状态的ANN—模糊识别

提出了利用人工神经网络（ＡＮＮ）及模糊识别理论融合多监控参数进行刀具状态识别的方法．该方法首先对各监控参数按刀具不同状态的敏感性进行分组,并利用多个ＡＮＮ子网络建立各组参数与刀具状态的模糊隶属度关系,然后利用模糊决策法对各ＡＮＮ子网络确定的刀具状态模糊隶属度进行综合评判并按最大隶属度判定刀具状态．该方法不仅具有ＡＮＮ的并行运算特点,而且具有模糊综合评判的容错性,从而提高状态识别的实时性和正确率．结合功率信号的多个特征对大量实验数据的测试表明,该方法可将ＡＮＮ的识别正确率从平均８８％提高到９５％．     

Software defect prediction using fuzzy integral fusion based on GA-FM

The fuzzy measure and fuzzy integral are applied to the classification of software defects in this paper. The fuzzy measure of software attributes and attributes＇ sets are treated by genetic algorithm, and then software attributes are fused by the Choquet fuzzy integral algorithm. Finally, the class labels of soft- ware modules can be output. Experimental results have shown that there are interactions between characteristic attributes of software modules, and also proved that the fuzzy integral fusing method using Fuzzy Measure based on Genetic Algorithm （GA-FM） can significantly improve the accuracy for software defect prediction.     

一种利用模糊神经网络对癌症进行分类的方法

讨论了一类首先利用神经网络对各个特征进行学习，得到它们对癌症的隶属函数，然后再利用模糊神经网络对癌症进行分类的方法。实现了癌症检测和分类的自动化，使癌症检测和分类的正确率得到很大提高。     

基于小波预处理的神经网络字符识别方法

提出了一种基于小波变换预处理的神经网络法的字符识别法,利用小波变换对字符进行了预处理,提取文字字符的主要能量特征,减少了字符特征识别的维数,与直接采用神经网络方法进行字符识别相比,所用的神经网络规模小,收敛速度快,能有效识别含有噪声的低质量模糊文字字符.     

电子电路故障诊断的神经网络数据融合算法

针对模拟电路故障元件诊断的不确定性问题,将BP网络引入数据融合之中,结合模糊集合论,构造－模糊神经网络故障分类器,并将其应用于电子电路故障诊断之中。通过测试电子电路中被诊断元件的工作温度和工作电压这2个物理量,求出两传感器对各待诊断元件的故障隶属度,利用模糊BP网络故障分类器进行数据融合,得到融合的各待诊断元件的故障隶属度,从而确定故障元件,并通过单传感器诊断结果与融合诊断结果比较,说明多传感器融合的优越性。