基于LVQ神经网络的手写字母识别

提出了一种基于LVQ神经网络的手写英文字母识别方案.介绍了LVQ神经网络的基本原理,并利用LVQ神经网络的结构简单、泛化性能好、收敛速度快的特点,将它应用于复杂的英文字母识别.通过对英文字母图像进行预处理和特征提取,将提取的特征对网络进行训练,并利用训练好的网络对英文字母进行识别.Matlab仿真实验结果表明,LVQ神经网络可以对英文字母获得较高的识别率.     

基于LVQ神经网络算法的脱机手写数字识别研究

针对BP神经网络进行脱机手写数字识别所存在的问题,提出用自组织竞争神经网络(LVQ)对脱机手写数字识别的方法.介绍了LVQ神经网络算法,并构建了LVQ神经网络的识别模型,用Matlab软件进行了仿真.将获得的仿真结果数据与BP神经网络的测试结果进行对比分析,发现LVQ神经网络对脱机手写数字的识别率明显高于BP神经网络,且收敛速度更快.该方法在脱机手写数字识别领域具有一定的可行性与指导性.     

基于LVQ神经网络的乐器识别方法

选取亮度、三色值、奇偶率、不规则度四种高阶参数构成乐器的特征向量,基于LVQ神经网络进行乐器识别。通过对钢琴、小提琴、小号等9种乐器测试,表明该乐器识别方法准确稳定。     

基于LVQ神经网络的人脸朝向识别方法

为了满足图像和视屏中人脸的位置,朝向和旋转都不是固定的特点,利用LVQ神经网络模型对图像中人脸朝向识别进行研究.实验采用Matlab工具箱进行LVQ神经网络设计,实现对人脸朝向的判断.实验结果显示,LVQ神经网络可以根据输入图像的二值信息,以较高准确率判断该图像的人脸朝向.     

基于粒子群算法优化LVQ神经网络的应用研究

为了解决LVQ神经网络在应用时对初始权值敏感的问题,基于粒子群算法提出PSO—LVQ算法。PSO—LVQ算法利用PSO为LVQ神经网络寻找最适应的初始权值。算法的适应度函数定义为初始权值和输入样本集的平均聚集距离与最大聚集距离的变化率。该定义将输入样本集的数据分布特征作为PSO优化LVQ初始权值的依据。利用PSO-LVQ算法对乳腺癌进行诊断实验,并与其它相关算法进行比较。研究结果表明：PSO—LVQ神经网络算法在收敛性和分类准确率上都有改善和提升,乳腺癌诊断平均准确率可达95．94203％,最高可达100％,适用于乳腺癌的辅助诊断。     

基于神经网络多国货币种类的识别与研究

提出了一整套解决货币种类的识别方案,该方案由一套包含扫描头和探头矩阵在内的计算机硬件和软件系统组成,通过探头矩阵获得货币图案的采样值,应用神经网络实现种类的识别。     

基于Gabor小波和神经网络的图像目标识别

针对目前数字图像目标识别方法中存在识别精度和实时性的问题,提出一种结合Gabor小波和神经网络的图像目标识别方法.该方法首先对图像进行预处理,用Canny算子进行边缘提取,然后通过神经网络获取最优的双Gabor小波复合滤波器参数,再采用参数优化过的滤波器组提取目标的特征向量,最后进行目标的分类和识别.实验表明这种方法鲁棒性好、识别率高.具有较广泛的实际应用价值.     

基于LVQ神经网络的水果图像分割研究

由于传统边沿检测算子在水果颜色多样、亮度不均匀时,难以分割得到完整、无噪声的二值图像且依赖优化的阈值,本研究提出了一种基于LVQ神经网络的水果图像分割方案。首先将彩色图像转变为灰度图像;然后对Canny算子获得的边沿图像随机选取一些像素作为网络的学习监督信号,仅以灰度图像中相同位置像素3×3邻域的Kirsch算子梯度值作为输入,训练权值;最后重新将原灰度图像的Kirsch算子梯度值输入到训练好的网络中,获得封闭的边沿并填充得到二值图像。考察了14幅像素为640×480的水果图像,结果表明：网络在很宽广的阈值范围内（0.001 ~ 0.99）分割得到完整、一致的二值图像;面积误差最小为0.9%,最大为8.83%,不依赖于优化的阈值,不需要对原始图像滤波预处理。与没有阈值及滤波的算法相比,本方案的误差和时间复杂度均更低;与设置了阈值和/或滤波的算法相比,本方案与之相当,甚至效果更优。     

基于改进的LVQ算法的中医脉象识别

中医脉诊的客观化研究对我国中医脉学的继承和开拓有着重要的意义,而脉象识别是中医脉诊的客观化过程中一个重要的环节,近年来一直是个研究热点。有别于传统的脉象特征提取方法和识别方法是基于时域和神经网络的方法,在此提出了基于小波变换的脉象特征提取算法和用于脉象识别的基于LVQ的改进算法ILVQ。实验结果表明,该算法具有一定的优越性。     

用学习矢量量化(LVQ)神经网络进行教师评估

针对教师评估中考评指标过多、评价工作复杂化问题,提出了一种基于LVQ神经网络的教师评估方法。利用Matlab神经网络工具箱进行仿真实验,结果表明,该网络具有结构简单,学习速度快、分类稳定的特点,用LVQ神经网络进行教师评估是可行而有效的。     

人工神经网络在自动控制系统中的应用

神经网络以其可学习的特性和高度的并行结构成为自控界的热门研究课题 它能以任意精度逼近任意连续非线性函数 ,能同时处理定量和定性的信息 ,能很好的协调多种输入信息关系 ,适用于多信息融合和多媒体技术 它为解决不确定性系统的许多控制问题及高度非线性问题提供了一个有力的工具 介绍了网络用于自动控制系统的主要特征 ,重点阐述了神经网络在系统辨识和模糊控制系统中的应用 ,并讨论了发展概况及趋势     

基于神经网络的激光超声探伤表面波的分类

利用3种神经网络即自组织竞争神经网络、学习向量量化神经网络和概率神经网络对激光超声探伤缺陷表面波进行分类.讨论了3种网络在不同输入情况下的分类效果.实验结果表明,这3种神经网络都可以取得良好的分类效果.     

基于Gabor滤波器组和特征分组神经网络目标识别

就模式识别中特征提取和分类决策两个阶段进行了研究．在特征提取方面,提供了一种用于提取图像不同中心频率和方位特征的Gabor滤波器组的设计方法;在分类决策算法方面,提出了一种基于图像的Gabor滤波特征的特征分组神经网络分类算法,该算法将一个复杂的模式识别问题分解为几个简单问题来处理,降低了问题的复杂度,同时还取得了一定的抗有限带宽噪声的效果．     

植物分类学工具软件（PTT）的设计

给出了一个计算机辅助植物分类学研究的工具软件的设计方法，该软件可以帮助完成植物检索和资料查找工作，准确迅速方便，为植物分类学及其相关领域的研究提供了一种新的实用手段。     

基于DNN的发音偏误趋势检测

正音反馈的计算机辅助对外汉语发音训练系统已有发音偏误趋势的标注体系和基于HMM的偏误趋势检测系统。为了进一步提高系统的性能,该文应用深度神经网络进行声学建模,比较Mel频率倒谱系数（Mel-frequency cepstral coefficient,MFCC）、感知线性预测分析系数（perceptual linear predictive analysis,PLP）和Mel滤波器组系数（Mel filter bank,FBank）3种声学特征参数,并利用网格联合技术整合3种声学特征所得的候选网格。实验结果表明：DNN-HMM模型比GMM-HMM实现了更高检测正确率。针对不同发音偏误趋势,3种声学特征有不同表现,联合系统取得最高性能,最终性能为：错误拒绝率5.5%,错误接受率35.6%,检测正确率88.6%。     

苹果果梗和缺陷的识别技术研究

为解决苹果自动检测和分选中苹果果梗和缺陷的识别这一瓶颈问题,提出基于HIS颜色模型下亮度,的分布特性,从信号处理的角度确定苹果的果梗和缺陷区域．再提取区域纹理特征,构筑模拟退火神经网络作为模式分类器,区分果梗和缺陷．试验结果表明用该方法识别准确率接近90％．为苹果的在线检测和分级打下了良好的基础．     

融合结构特征的增强型FCM图像分割算法

为了使基于模糊C均值(FCM)聚类的图像分割算法对复杂图像更具适用性,将图像结构特征融合到增强型FCM算法.首先,对原始图像进行均值滤波,将滤波结果与原始图像进行线性叠加形成新的输入图像.其次,采用二维Gabor滤波函数提取新的输入图像的纹理结构特征,以此代替灰度特征来衡量节点间的相似性.最后,采用一种改进的节点间距离度量公式来计算图像中节点与聚类中心点的差异.仿真结果表明,对结构复杂的图像所提算法获得了更加精确的分割结果.     

FIR滤波器设计的半无穷维二次优化方法

Parks-McClellan方法是FR滤波器设计中常用的设计方法。这种方法基于最小最大误差判据，使得设计的滤波器响应与期望滤波器响应之间的最大误差最小化，但是忽略了误差能量。该文基于半无穷维二次优化（SDO）技术给出一个设计FIR数字滤波器的新方法。该方法把FIR滤波器设计问题转化为SIQO模型．在峰值误差满足给定指标的条件下，使得设计滤波器与理想滤波器之问的误差能量最小化。与ParksMcCellan方法相比，该文方法在牺牲较少的最大阻带增益的情况下极大地降低了阻带误差能量。设计实例证实了该方法的有效性。     

基于智能算法的齿轮优化设计软件的开发

利用ActiveX技术,通过VB语言与Matlab软件混合编程,开发了齿轮优化CAD软件,实现齿轮传动的自动优化设计,极大地提高了齿轮的设计效率和质量。在优化过程中,将人工智能中BP神经网络与遗传优化算法相结合,有效解决局部极小和收敛速度的问题,同时解决含有连续/离散混合变量的齿轮优化问题。