基于分形理论和神经网络的红外图像分割算法

针对实现红外图像的分割,快速准确地检测出红外序列中的人造目标的需要,结合分形特征和Ko-honen神经网络的特点,提出了一种基于分形技术的图像分割算法。该算法利用自然背景和人造目标的不同分形特征检测目标,提出了包括分形维数在内的7个红外图像特征,结合神经网络的自组织学习能力来进行图像分割。给出了算法实现的具体步骤。仿真试验结果表明,该算法能有效地实现红外图像的分割。     

一种新的对地定位方法及其精度分析与仿真

提出一种新的无人空中载体对地定位方法。该方法根据GPS／INS组合导航系统测量的载体坐标与姿态角、光轴稳定平台相对于载体的姿态角以及激光测距数据，计算地面目标点的三维维坐标，克服了共线条件方程对地形鲁棒性差和DEM迭代定位算法容易发散的缺点。为分析此方法的定位性能，给出了定位误差分析模型，并通过仿真算例验证了该定位方法的有效性，仿真结果表明目标定位精度满足舰炮作战要求。     

活性污泥污水处理系统的模糊神经网络控制

针对中、小型污水处理厂的实际情况，在对活性污泥污水处理系统机理模型研究的基础上提出一种控制模型。在对系统进行性能分析与综合的基础上，提出了应用于该控制模型的模糊神经网络控制器。通过仿真实验表明，该控制器能够自动调整隶属度函数、动态优化控制规则，将其应用于活性污泥污水系统具有快速性与有效性，比基于规则的传统模糊控制具有更强的鲁棒性，可以获得良好的控制性能。     

复杂电磁环境生灭模型及特征生成

复杂电磁环境主要由各类辐射源辐射的电磁信号交互作用而产生。应用随机理论,建立了辐射源的生灭过程模型,采用蒙特卡洛方法动态仿真辐射源状态;建立了给定目标点的有效辐射源筛选、功率密度计算和辐射脉冲流密度计算模型;给出了仿真流程。满足电磁环境仿真的适应性、动态性和实时性需求。

Abstract：

Complex electromagnetic environment comes from many different radiations and their interaction. A birth-death model of radiant points was built on the stochastic theory, and then the states of radiant points were dynamically simulated by Monte Carlo. Some characters creating models were built, including model of filtering valid radiant points, model of power density computing and model of pulse steam density computing. Finally, a simulation process was proposed. All of those have met electromagnetic environment simulation requirement in adaptability, dynamic and real-time.     

一种混沌神经网络模型及其在优化中的应用

通过在Hopfield神经网络模型 (HNN)中引入非线性自反馈项 ,提出了一种具有暂态混沌动力学行为的神经网络模型。该模型首先经过一个倍周期倒分叉过程进行混沌搜索 ,进而进行类似HNN的梯度搜索。由于它利用了混沌搜索固有的随机性和轨道遍历性 ,因而具有较强的克服陷入局部极小的能力。两个典型的函数优化例子表明了该算法的有效性     

基于SPN模型的分布式动漫渲染系统架构分析

对分布式动漫渲染系统的建模技术进行了研究,首先,分析了分布式动漫渲染系统中的两种典型架构--集中式架构和分布式架构的渲染过程,并在此基础上分别建立了集中式架构和分布式架构的sPN(Stochastic Petri Nets,随机Petri网)模型,然后进一步采用SPNP(Stochastic Petrt Nets Package)6.0软件对两种架构的平均时延进行了模型仿真分析,最后,得出了2种架构的性能优劣比较结论,为渲染系统在构建和设计阶段提供重要的理论依据.     

基于GANN的机翼盒段试验件传感器的优化配置

对机翼盒段试验件进行了结构分析,采用有限单元方法,建立了其结构的有限元模型,并进行了冲击压电响应数值仿真。构造了一种基于损伤检测的压电智能结构传感器优化配置的遗传神经网络(GANN)方法,采用该方法对机翼盒段试验件压电传感器进行了优化配置,得到了传感器对应于其初始布置模式下的最优配置,为该结构试验件的实际压电传感器的优化配置提供指导依据。仿真结果也表明,对于更多传感器的初始布置模式,采用该遗传神经网络方法可有效减少更多传感器的数量,从而降低成本。     

基于二进制神经网络集成的潜在通路分析

针对神经网络在潜在通路分析应用中的缺陷,提出了二进制神经网络集成(BNNE)算法。该算法结合了二进制神经网络(binary neural network,BNN)和神经网络集成(neural network ensemble,NNE),NNE的个体成员是BNN,集成算法采用GASEN算法,其输入为电路开关状态,输出为预测功能。通过比较特定开关状态下的预测功能和设计功能之间的差异,判断是否存在潜在通路。该算法综合了BNN、NNE的优点,可以有效提高神经网络的泛化能力和潜在通路分析的可靠性,仿真试验验证了算法的有效性。     

一种改进的RBF神经网络学习算法

提出了一种改进的RBF神经网络学习算法 ,分别通过减聚类和监督学习算法对网络参数和权值进行训练 ,既可以根据样本合理地聚类、确定RBF径向基函数的个数和相应参数 ,又具有较强的网络映射能力 ,从而不仅使RBF神经网络结构得以优化 ,性能也得到了提高。仿真结果表明了该学习算法的实用性和有效性     

Rough集理论及其应用发展

论述了Rough集理论在人工智能、认知科学等领域的应用情况,讨论了Rough集理论的发展前景及趋势．论文中较为重要的创新之处的是,基于粗糙神经网络构造了一种从虚拟的场景图像智能化地直接推测符合主观听感的音质效果参数的模型．