基于Gabor特征和协同神经网络的车牌识别方法

研究了车牌字符识别问题,针对车牌识别系统易受天气及光照变化影响的实际应用,将Gabor特征和协同神经网络应用在车牌字符识别中,提高了识别率.首先对车牌字符进行二值化和切分,然后利用Gabor滤波器提取车牌字符的特征参数;再利用协同模式训练特征参数,进而得出训练样本;最后根据协同神经网络进一步识别车牌字符.通过大量仿真实验表明,该方法在不同场景、光照条件下,与传统方法相比,识别率有了较大改进,该方法在车牌识别领域有较强的实用性.     

改进的模糊神经网络学习规则研究

在S Stoeva提出的基于相同样本及网络输出的模糊反向传播算法基础上,通过对基于极大-极小模糊算子的模糊神经元模型的研究,对含有一个隐含层的单输出模糊神经网络,提出了依赖于各模糊神经元输出的调整模糊权值的网络学习算法,该算法具有直观和可操作性强的特点.并以汽轮发电机组的状态监测为例进行仿真,仿真结果表明网络学习效果较好.     

混合遗传BP算法在图象识别中的应用

介绍了传统的遗传算法与BP算法,分析了它们各自的不足. 提出了一种将BP算法与遗传算法有机结合的混合智能计算方法,并且给出了具体的算法实现流程.将该方法应用于数字图象识别, 实验表明混合算法优于传统BP算法.     

盘县砂锅厂金矿大麦地—小尖山矿段褐铁矿化特征及地质意义

盘县砂锅厂金矿大麦地—小尖山矿段产出层位是峨眉山玄武岩组一段下部凝灰岩,为凝灰岩型金矿。在大麦地—小尖山矿段内发育有较多的断裂构造和与黔西南其他金矿区氧化程度相比较为强烈的褐铁矿,褐铁矿多发育在有断裂构造通过地带,充填在节理、裂隙、破碎带中,呈铁壳、脉状、网格状产出。经系统测量统计并做出褐铁矿走向玫瑰花图显示,褐铁矿与断裂构造有着方向上的关系,并且矿段内的矿(化)点与围岩蚀变中的褐铁矿化、硅化关系十分密切。     

微粒群优化神经网络算法的研究

介绍了微粒群算法的基本原理、特点,分析了常用的BP网络结构,提出了微粒群优化神经网络算法,实验结构表明,该算法优化了神经网络结构,从而提高了神经网络的模式分类性能。     

基于CA-ANN喀斯特石漠化时空格局的动态模拟和预测

分析了石漠化成灾综合机理,以GIS为平台,结合元胞自动机和神经网络模型,对石漠化灾害的空间格局进行动态模拟和预测.鉴于元胞自动机转换规则的难于确定的特点,利用神经网络来训练和获取石漠化转化的规则,进一步提高元胞自动机动态模拟能力.同时,由于GIS中嵌入元胞自动机,GIS的空间分析功能得到增强.     

基于神经网络的鹿角盘蛋白水解模型

研究了底物浓度、酶添加量、温度、时间、pH值对鹿角盘酶水解的影响,并利用神经网络建立鹿角盘酶解过程的数学模型。结果表明,所建立的模型能很好地描述鹿角盘酶水解过程,为有限水解提供了基础。     

模拟电路故障诊断中故障重分类方法的研究

分析了模拟电路故障诊断中故障类重叠.针对在该情况下神经网络训练困难与故障诊断正确率低的问题,提出了一种适于模拟电路的、基于神经网络故障诊断的故障重分类方法,给出了该方法的数学模型.通过诊断示例表明,该方法在故障类存在重叠时,降低了神经网络的训练难度,故障诊断的正确率达到99%以上.     

K2算法在贝叶斯网络结构学习中的改进研究

针对K2算法学习贝叶斯网络(BN)结构苛刻的先验节点顺序条件,提出先验信息重构方法来提高算法适用性,让K2算法得到更加精准的网络结构。对于K2算法在较小样本数据中结构精度低的问题,使用模拟退火(SA)算法对其进行优化。利用重构先验信息构建初始网络结构,改进SA算法的邻域求解方法,以求得网络的最优结构。通过学习4个BN结构,将改进的混合算法分别与K2算法和马尔可夫链蒙特卡洛(MCMC)算法进行优劣仿真比较。仿真结果表明:在相同的网络结构和先验条件下,该文改进的混合算法都能更好地识别网络结构,在各网络结构中无论先验经验是否准确,在结构精确度和海明距离方面都具有较强的学习能力。     

利用神经网络计算四苯硼酸铷由水至直链一元醇中的标准迁移热力学函数

以二元系实验数据为基础 ,利用反向传播算法训练神经网络 ,构造 Rb BPh4由水至直链一元醇中的标准迁移热力学函数与温度及碳原子数的关系模型 ,并对各种热力学函数进行预报 .将计算结果与实验结果、文献值进行比较 ,讨论热力学函数的变化规律 .