基于交叉熵和新转移函数的模糊神经网络分类器

针对目前普遍采用的误差平方和准则及Sigmoid转移函数在BP算法应用中存在的缺陷和不足,提出了基于交叉熵准则和新的S型转移函数构建的模糊神经网络分类器,并将这种分类器应用于心肌梗死的定位诊断,结果表明其训练效率和识别性能都明显优于传统的模糊神经网络。     

基于贝叶斯分类器的目标价值等级分析

现代战争作战目标繁多,从目标价值角度对目标的重要程度进行评估,建立了基于朴素贝叶斯分类器的目标价值评估模型,并利用基于无向完全图的贝叶斯分类器,将目标属性间的关系加入到评估模型中,为指挥员和决策机关的作战目标选择提供了科学的依据.     

战场目标声音识别关键技术研究

战场目标声音探测技术在现代战争中发挥着越来越重要的作用。针对战场目标声音识别的一些关键技术进行了研究。首先分析了目标声音探测技术的军事应用特点,然后对战场典型目标发出的噪声的物理特性进行了分析。最后论述了战场目标声音识别技术中的几种关键技术,重点分析了特征提取中的LPCC、MFCC技术以及分类器中的隐马尔可夫模型,为战场目标声音识别系统的开发奠定了基础。     

一种图像隐写分析中的特征选择方法

根据分类器基于图像特征进行信息盲检测的原理,提出了联合使用K-NN分类器和SVM分类器的特征选择方法,并对多种隐写算法和工具进行实验,比较了它们的分类精度,验证了特征优化的重要性.结果表明在分类器训练和工作之前对图像特征向量进行选择优化,能在一定程度上提高分类器的工作效率,更有效地发现隐写算法的脆弱性.     

基于颜色及梯度统计特征的结核杆菌目标识别

提出一种基于颜色及梯度统计特征的结核杆菌目标识别算法。首先基于HSV颜色空间进行图像预分割,然后在CIE L*a*b*颜色空间进行自适应分割以提取目标精细几何形状。为了适应背景的复杂变化,基于色调一致性假设对疑似目标进行色调一致性检验并剔除大部分伪目标。为了将重叠粘连目标从伪目标中分离出来,提出两个梯度统计特征,然后结合目标的面积、周长、长宽比、圆形度、粗糙度等形态特征,组成7维特征向量送入贝叶斯分类器进行分类。实验结果表明,本文算法能适应标本、染色及图像背景等复杂变化,目标识别率可达91%。     

基于SDAE+Softmax模型的体系贡献率评估方法

战争就是交战双方作战体系之间的对抗.体系贡献率评估是体系建设和分析重点关注的问题,是对作战要素在作战体系中所发挥作用的一种度量.针对体系的复杂系统特性,构建SDAE+Softmax模型对体系效能涌现过程进行建模,模型描述了体系基础指标与任务指标之间的关系.提取Softmax分类器的分类概率相对值作为体系贡献率评估的综合特征指标,量化体系组分改变对体系效能的影响.基于SDAE+Softmax模型的评估方法,为体系贡献率评估提供了全新的思路,是对传统评估方法的突破.     

神经网络在图象处理中的应用

图象处理是神经网络的一个重要应用领域。本文首先介绍了神经网络的模型、学习规则及其处理能力,在此基础上综述神经网络在图象处理中的应用,重点放在神经网络分类器和Hopfield网络解决图象处理中的最优化问题。     

基于正交小波包和K-L变换的水声信号特征提取与识别

在海洋作战环境中,水声目标识别与分类是水声设备与水中兵器系统智能化的关键技术之一,基于小波变换的模式识别方法受到广泛研究与重视,在对水声信号进行正交小波包分析的基础上,以信号在各分解子空间的能量分布构成原始特征空间,运用K-L变换进行模式识别特征空间的提取,并基于最小欧氏距离设计分类器,提出了一种新的水声信号识别方法,仿真实验验证了算法是有效的.     

基于改进D-S证据理论的滚动轴承故障诊断

针对单一分类器进行故障诊断时诊断精度不高、随机性强的问题,提出一种基于改进D-S证据理论的滚动轴承故障诊断方法,构建了信息融合诊断框架。首先,利用BP神经网络、支持向量机、径向基神经网络构建初步诊断层,将提取的特征信息进行初步诊断;然后,利用改进的D-S证据理论构建融合诊断层,将初步诊断层的诊断结果进行融合,并根据诊断规则得到最终的诊断结果;最后,采用不同的信息融合方法对滚动轴承故障数据进行对比研究。试验结果表明:使用改进D-S证据理论的滚动轴承故障诊断方法能够有效提高证据可信度,降低不确定性,提高故障诊断精度和故障诊断模型的鲁棒性。     

基于云分类器的液体火箭发动机故障诊断方法

本文首先将液体火箭发动机故障诊断问题转化为故障特征的模式分类问题,然后针对当前模式分类方法难以处理不确定性信息、属性特征空间的划分过硬等缺陷,结合云模型和云变换研究,提出了一种基于云分类器的液体火箭发动机起动过程故障诊断方法。历次试车数据的验证结果表明,该方法能够及时准确识别发动机起动工作过程中的故障模式。