融合神经网络与超像素的候选区域优化算法

为解决目标检测中候选区域召回率低的问题,提出融合神经网络与超像素的目标候选区域算法.该算法利用神经网络提取更能清楚表达目标边界的特征,并使用聚类、相似性等策略,计算每个滑动窗口所含有的边缘信息量;将待测图像使用简单线性迭代聚类算法分割成若干个超像素,并利用超像素的空间位置、完整性、相邻超像素间的对比度信息,计算各个超像...     

基于RBF神经网络的某型装甲车辆散热器优化设计

为了对某型装甲车辆散热器散热能力进行优化设计,利用CFX建立了散热器仿真模型,通过与数学模型进行对比验证了模型的准确性;确定了散热器的设计变量和目标函数,利用最优拉丁超立方设计法抽取了样本点,建立了基于径向基神经网络的替代模型,对替代模型的影响因素进行了分析,利用蒙特卡洛方法对所建立的模型进行了统计学分析;利用萤火虫算...     

基于卷积神经网络的SAR图像目标检测综述

针对合成孔径雷达(SAR)图像传统检测算法精度低、鲁棒性差等特点,对基于卷积神经网络的SAR图像目标检测算法进行归纳总结.归纳了基于CNN的目标检测框架的发展现状,并综述了其在SAR图像目标检测中的应用,分析了其应用难点与关键技术.最后结合深度学习方法在目标检测领域中的发展,对SAR图像目标检测算法的发展进行了展望.     

基于BP神经网络的空中目标识别

空中目标识别是防空作战辅助决策的关键环节之一。根据空中目标的各种属性,建立基于BP神经网络原理的空中目标识别模型。利用MATLAB神经网络train函数训练采集的样本数据,得到稳定的权值和阈值,为后继的目标识别提供依据。该模型利用神经网络的记忆、联想、容错功能,进一步提高空中目标识别的稳定性和可信度。降低了个别传感器误判而造成的目标识别错误概率。     

带紧扰动的m-增生算子的拓扑度理论

本文借助于一种单值化技巧,以经典的Leray-Schauder度为工具,构造了带紧扰动的m-增生算子的拓扑度。并讨论了该度的基本性质,导出了一个值域定理与锐角原理。