木质表面涂料光谱反射特性的研究

<正>从CIE的颜色测量原理出发,介绍一种低反率物体色的光谱反射率测量方法,并用此法对四种木质表面涂料进行实际测量。文中论述了木质表面涂料对白光反射的光学过程、涂料混合的减色原理,以及这种反射幅射所应遵从的数学表式。最后还直接利用涂料的光谱反射率曲线与其同色异谱颜色之间的关系对涂料复制品进行了初步的分析和评价。     

基于模糊神经网络的高光谱数据挖掘方法

分析了高光谱影像的数据特性，应用模糊聚类方法构造模糊神经网络，并将其结合进数据挖掘，对高光谱数据进行数据处理。     

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...     

基于神经网络的多光谱测温数据处理方法

为了解决大多数工程材料真实温度的测量问题,提出了基于BP神经网络的多光谱数据处理方法,分析了随机噪声对真实温度计算结果的影响。结果表明:在没有噪声的情况下,训练过的发射率样本真实温度的识别误差在±30K以内;未训练过的发射率样本真实温度的识别误差在±50K以内。随着随机噪声的增大,网络的识别误差也相应增大,但训练过的样本其网络的识别误差较小。说明加大发射率样本可以提高真实温度的识别精度。     

卡拉胶的荧光光谱特性及其质量浓度预测

针对卡拉胶在食品加工中作为增稠剂、乳化剂和稳定剂使用,而大量摄入会对身体造成严重损害,文中对卡拉胶的三维荧光光谱进行了系统研究。结果表明,其在390nm处存在一个激发峰,分别在485nm、620nm、660nm处存在荧光峰,其中660nm峰较强、485nm峰较宽且红移,提出瑞利散射和水的拉曼散射的影响导致485nm谱峰的红移。进而发现卡拉胶溶液荧光光谱强度随质量浓度的增加而增强,并通过主成分分析．BP神经网络训练,实现了对卡拉胶质量浓度的预测,准确率达到90％以上。当质量浓度高于120μg／mL时,准确率达到98％以上,表明该技术可快速测定溶液中卡拉胶的含量。     

改进神经网络与遥感图像的识别

BP网络的分类方法被广泛应用于遥感图像分类,但它存在局部最小值、隐含层节点数及训练速度等问题.高阶神经网络从一定意义上克服了这些缺点,取得比较好的分类效果.本文提出了对高阶神经网络算法的改进,将高阶神经网络作进一步扩展,使其特征数的局限减少,并结合自适应方法,使分类细化,且速度不会影响太大.本文简单介绍了BP网络和高阶神经网络各自的特点;详细描述了改进后的算法,提出对原有的学习方法速度的提高办法;最后分析了应用此算法识别图像的优势和灵活性.     

小波包-BP神经网络结合的热轧带钢缺陷识别

基于热轧带钢的表面往往存在着很多缺陷,目前的识别方法存在着误识率高的问题,提出一种基于小波包分解的提取图像特征的方法,将提取的图像的能量特征向量输入BP神经网络分类器,对麻点、夹杂和结疤3种缺陷进行识别,仿真结果表明这种方法有着较高的识别率,并具有稳健的抗噪性和良好的扩展性.     

甲酸在表面合金电催化剂上氧化的原位FTIR反射光谱研究

运用原位红外反射光谱(FTIRS)和电化学循环伏安法(CV)研究了甲酸在三种不同电极上的电催化特性．结果表明甲酸在碳栽铂电极(Pt／GC)上的电催化氧化机理与本体铂电极(I^3t)相类似，即可以通过活性中问体或毒性中间体氧化至CO2.Pt／GC对甲酸的氧化比Pt具有更高的电催化活性．Pt／GC表面以Sb吸附原子修饰的电极(Sb—Pt／GC)上，甲酸氧化的起始电位(Ei)提前至-0．10V，氧化电流峰电位(Ep)提前至0．34V，氧化峰电流(jp)值增加了7.28倍，半峰宽(FWHM)为0．30V同样，Surface alloy／GC电极上，E1为-0．12V、Ep为0．32V和jp为7．25mA／cm^2，相对Pt／GC分别负移了0.22V、0．02V和增大了8．15倍，半峰宽(FWHM)为0．5V．表明Sb—Pt／GC和Surface alloy／GC电极不仅能够有效地抑制毒性中间体CO的生成，而且还可以显著地提高其对活性中间体的氧化的电催化活性．     

基于卷积神经网络的辣椒识别

农产品检测技术一直以来都是农业领域研究的热点问题,但以往的识别的错误率都居高不下,该文采用了基于有深度学习机制的卷积神经网络方法来提高识别率.首先对采集到的图像进行预处理得到规范化的二值化图像,再利用Matlab软件进行神经网络的建模,利用其网络自学习能力进行训练与测试,通过仿真验证卷积神经网络对辣椒图像的精确识别率.并与传统BP神经网络进行比较,表明其具有很好的鲁棒性和泛化能力.     

基于轻量神经网络的钢材表面缺陷快速识别

为满足生产环境中钢材表面缺陷实时分类识别的需求,提出一种可部署于移动端的轻量卷积神经网络模型用于高效识别钢材表面缺陷。通过知识蒸馏将ResNet50和MobileNetV3分别作为教师模型和学生模型,生成改进的轻量神经网络模型MobileNetV3_small_tp。利用MobileNetV3_small_tp作为预训练模型,选用NEU带钢表面缺陷数据集进行微调,同时使用数据增强以模拟实际工况,得到模型在测试集中精度达到100%。最后将模型部署于手机上进行实际钢材表面缺陷识别,移动端模型测试、验证以及实际检测结果均显示MobileNetV3_small_tp模型具有流畅的运行速度和较高的识别率,能够实现现场钢材表面缺陷的准确高效识别。     

基于动量BP神经网络的英文字符识别

英文字符识别已经广泛地应用于很多重要领域.已有的英文字符识别算法很多,一种典型的算法是BP神经网络算法.但是,BP神经网络算法有时不收敛,或陷入震荡.这就导致识别率下降.为此,本文研究了一种改进的称为动量BP神经网络算法用于英文字符识别.这种算法在BP神经网络算法的网络参数控制中添加一个动量系数和一个动量项.这样可以避免迭代的震荡,加快收敛速度.提高识别率.利用动量BP神经网络算法,对52个英文大小写字符进行了识别试验.实验结果表明,这种算法能获得满意的识别率.     

基于神经网络集成的经济预测模型

针对单个BP神经网络用于经济预测存在的不足,提出了一种新的更有效的经济预测模型--神经网络集成.神经网络集成通过训练多个神经网络并将各网络输出进行合成,能够显著提高网络的泛化能力.以广东省江门市的经济数据为例,采用Bagging算法训练了五个BP神经网络,构建了一个神经网络集成的GDP预测模型,并运用MATLAB 7.0语言程序实现.预测结果令人满意,优于单个神经网络预测方法.实证表明,神经网络集成用于经济预测是有效可行的,同时在一定程度上克服了单个神经网络的缺陷.     

基于神经网络的程序异常监测

针对传统入侵检测系统的不足,研究了基于反向传播神经网络的程序异常检测方法,提出了一个改进的利用多层前馈网络的预测功能和异常区域判定方法检测系统异常的算法.详细讨论了算法的基本原理、数学基础、设计和实现方法.通过实验,分析算法的优缺点,验证了算法的可行性和有效性.     

Star pattern recognition method based on neural network

Star sensor is a sensitive instrument for determina-tion of a spacecraft attitude with high accuracy. The in-strument can determine the spacecraft 3-axis attitude through the recognition of observed stars. It measures star magnitude and star coordinates in the spacecraft coordi-nate frame. The measures are then compared with a refer-ence star catalog to obtain the attitude information of the spacecraft[1,2]. The purpose of star pattern recognition is to identify the corresponding relations bet…     

基于改进的BP网络数字字符识别

提出了一种基于改进的BP网络方法来实现数字字符识别.通过对BP网络的神经元的研究与学习,设计了一种结构合理,收敛速率快的BP网络.试验测试结果表明,改进的BP网络方法对印刷体数字的识别率达到了100%,对手写数字的识别率达到了98%以上.     

一个基于神经网络的入侵检测系统原型的开发

文章介绍了神经网络技术在入侵检测上的应用现状,讨论了BP神经网络算法中存在的一些问题及改进措施,开发了一个基于神经网络的入侵检测系统的原型.     

基于神经网络的带钢表面孔洞检测系统研究

简要介绍了带钢表面孔洞实时检测中的图像处理系统 ,提出了一种应用边缘检测和聚类分析的图像分割算法对带钢表面孔洞进行准确快速的分割 ,同时采用改进的BP神经网络分类器对孔洞进行分类与识别 ,实验结果表明 ,该带钢表面孔洞实时检测系统具有较高的精度和较快的速度 .     

基于字符组合特征及BP神经网络的车牌汉字识别

提出了一种车牌汉字识别方法.该方法基于统计特征中的投影特征将车牌汉字根据结构特征进行粗分类,对于粗分类结果建立不同的BP神经网络分类器,训练完毕后,以MATLAB为软件平台,利用网络参数对车牌汉字进行分类识别.结果表明,该方法对车牌汉字识别有效,识别率高.     

矿井安全生产的神经网络评价

为解决矿井安全生产问题,基于人工神经网络理论,分析了安全评价系统的复杂性,确定了矿井安全生产评价指标,建立了神经网络评价模型,通过实证分析取得较好的结果.评价结果表明,BP神经网络方法在矿井安全评价中避免了以往用层次分析法和模糊综合评判法带来的不足,使矿井安全评价更趋完善.     

基于BP神经网络的DDoS攻击检测研究

分布式拒绝服务攻击(DDoS)是如今常见的网络威胁之一,DDoS攻击易被发动却很难追踪与防范.在神经网络快速算法基础上,首先系统分析国内外DDoS攻击检测理论、方法与大量数据集,构建了基于数据包长度,数据包发送时间间隔以及数据包长度变化率等六项特征的攻击流量特征模型;其次通过大量尝试提出对神经网络误差调整参数进行优化的方法;最后基于加州大学洛杉矶分校数据集(UCLA CSD Packet Traces)进行了参数改进前后的攻击检测对比实验.实验表明,本文提出的方法能有效提高DDoS攻击检测率,且具有较好的泛化能力.