径向基神经网络实现红外目标检测

本文分析了径向基神经网络的优点,并详细地描述和设计了基于径向基神经网络的红外目标检测,在设计神经网络的过程中,阐述了神经网络的隐层、输出层的节点数以及学习速率等,最后将其应用到实际检测中,通过实验结果可以看出,本文所采用的径向基神经网络在红外目标检测方面具有良好的逼近性和收敛性。     

径向基神经网络的构造理论

通过对径向基神经网络的研究,提出了径向基经网络的构造性理论及其构造算法,在给定函数及其允许误差的条件下,运用本算法能够构造几乎最少隐节点数的径向基神经网络。     

径向基神经网络的构造理论

通过对径向基神经网络的研究,提出了径向基神经网络的构造性理论及其构造算法。在给定函数及其允许误差的条件下,运用本算法能够构造几乎最少隐节点数的径向基神经网络。     

基于径向基神经网络的舰艇空间磁场延拓

针对目前线性化方法解决舰船空间磁场之间推算时存在的困难,论文从智能优化的角度出发,建立了舰艇空间磁场之间的径向基神经网络预报模型.该方法避免了利用线性化方法存在的诸多困难,即可实现舰艇空间磁场的换算,并利用船模实验验证了网络预测的准确性,换算精度较高,满足工程实际需求.     

基于径向基神经网络的舰艇磁场推算模型

针对目前数值建模解决舰艇内外磁场推算问题时存在的困难,从智能优化的角度出发,建立了内外磁场之间的径向基神经网络预报模型.该方法避免了利用数值建模存在的诸多困难,即可实现舰艇内外磁场有效推算,并利用船模实验验证了网络预测的准确性,其换算精度相较于数值建模有所提高,满足工程实际需求.     

基于径向基神经网络的舰艇空间磁场延拓

针对目前线性化方法解决舰船空间磁场之间推算时存在的困难,论文从智能优化的角度出发,建立了舰艇空间磁场之间的径向基神经网络预报模型。该方法避免了利用线性化方法存在的诸多困难,即可实现舰艇空间磁场的换算,并利用船模实验验证了网络预测的准确性,换算精度较高,满足工程实际需求。     

基于多神经网络分类器的目标识别

舰船目标自动识别通常需考虑多个特征,而复杂的特征往往需要适合的分类器与之相适应。本文借助已有的一种可组合多种特征和多种分类器的通用分类器,验证其在舰船识别中的有效性。该通用分类器将多分类问题转化为多个二分类问题,利用多个二分类器对舰船各特征进行独立识别,最后根据投票规则决定目标识别结果。本文以二分类BP网络作为多神经网络分类器的基分类器,对航空母舰、驱逐舰、护卫舰、客船、集装箱、民用货船6种船只类型进行了识别。识别结果表明,由多个二分类BP网组成的多神经网络分类器平均分类精度为89%,该通用分类器在实践中有效。     

基于BP神经网络的空袭目标识别

通过介绍BP神经网络用于目标识别的基本原理,对目标不完整或不确定数据进行分析、推理。提取空袭目标的速度、高度、机动加速度和雷达反射面积等有用特征,并运用定性、定量相接合的方法,对目标特征进行归一化处理,作为输入层数据。根据目标识别的具体要求确定各层神经元数,建立了BP神经网络目标识别模型。通过对样本数据训练、检验、输出结果的分析,表明在缺乏识别先验知识时,运用该方法识别空中目标简单有效。     

滑坡预测径向基神经网络法

在边坡稳定分析的基础之上,引入径向基网络的理论,提出了边坡滑动的径向基网络预测方法.以边坡高度、边坡角度等作为输入模式变量,建立径向基神经网络训练样本,用于滑坡稳定性评价.通过样本的学习训练,用训练后的径向基神经网络来预测滑坡,通过工程实例与评价结果比较,证明了该评价方法具有较高的精度,也表明该模型能较好的用于滑动预测.     

基于互双谱与径向基函数神经网络的舰船目标分类(英文)

提出了声矢量信号互双谱估计算法.利用该算法和其它的二阶、高阶谱估计算法,提取了实测数据的声压和声矢量信号组合特征,并用不同组合特征构造了径向基函数神经网络的输入向量集,对矢量水听器实测的舰船目标进行了分类识别.结果表明,声矢量信号组合特征比声压信号组合特征具有更强的类别可分性,提高了水声目标的识别率.     

基于BP神经网络的船舰目标识别分类

随着各国在海洋领域竞争的日益激烈,船舰目标自动识别技术正逐渐成为研究热点。本文利用BP神经网络对航空母舰、驱逐舰、护卫舰、客船、集装箱、民用货船6种船只类型进行分类,首先对船舰图像进行中值滤波,去除随机噪声和椒盐噪声,然后利用OTSU法将灰度图像分割成背景和目标两部分,接着对目标区域提取了Hu不变矩、边缘梯度方向直方图、周长-面积比3个特征。为了使边缘梯度方向直方图也具有旋转和尺度不变性,本文提出了一种变换方法:将直方图循环右移,直至其最大值到达直方图最右端。最后利用BP神经网络对船舰图像进行了训练和测试。测试结果表明,本文的分类算法对船舰目标的分类精度达到84%左右,有效实现了常见船舰类型的识别分类。     

基于D-S证据理论的海战场目标战术意图识别技术研究

目标战术意图识别技术是海战场态势评估领域的一个核心内容,也是威胁估计的基础。根据舰艇指挥决策中的海战场态势评估的需要,提取目标战术意图识别所需要素,然后运用高维空间相似度计算模型,度量目标状态对其意图的支撑程度,最后结合D-C证据理论对目标战术意图进行序贯识别,通过实例验证,取得了较好的效果。该方法能够为解决海战场目标战术意图识别提供新的途径。     

径向基神经网络在软基沉降预测中的应用

软土地基沉降是土力学中的重要课题之一,通过沉降预测可以为软土地基的工程设计以及下一步施工提供指导性意见.以自组织神经网络为基础,利用其具有的自组织、自适应、容错性和较强的学习、联想能力,结合连徐高速公路软基沉降工程实例进行预测.说明该方法能够简便、精确的预测软土地基的沉降量.     

基于径向基函数神经网络的舰艇声呐部位自噪声预报

径向基函数神经网络具有学习速度较快,函数逼近能力强的特点.文章分析了影响声呐部位自噪声的各种声源参数,以舰艇声呐部位自噪声作为目标函数,将径向基函数神经网络用于舰艇声纳部位自噪声预报.利用舰艇声呐实测数据进行网络训练,训练好的神经网络可以对舰艇声呐部位自噪声进行精确预报.     

基于小波分析与径向基函数神经网络的气缸压力重构

介绍了RBF神经网络的原理及其此法重构气缸压力的实现步骤,并根据柴油机缸盖振动的激励机理,对径向基函数神经网络的参数进行了有效的设置。通过用不同工况下的样本进行训练,建立了柴油机缸盖振动信号与气缸压力之间的非线性映射关系。为了提高重构精度,更为准确地提取压力在缸盖处的响应,提出了利用小波分析对振动信号进行降噪处理。试验表明应用RBF网络法重构气缸压力简单有效,重构压力曲线与实测曲线拟合度良好。     

基于小波变换和概率神经网络的水下目标识别

由于水下环境的复杂性,水下目标的检测和识别是水声信号处理领域中的一个难题.本文研究了基于小波变换和概率神经网络的水下目标识别方法.利用小波变换得到水下目标辐射噪声信号在不同尺度下的能量分布作为特征矢量,并输入到概率神经网络中以实现目标分类.利用小波变换能量特征值可有效区分不同的目标辐射噪声.概率神经网络无网络训练过程,适合于信号分类.实验结果表明该方法的有效性和可行性.     

神经网络在目标识别中的应用

神经网络技术作为现代智能信息处理技术的主要方法之一,模拟人的神经元的生理结构模型,可自身完善和发展,在各领域都有其广泛的用途。本文对神经网络在目标识别中的应用进行了介绍。并指出目标识别在某种程度上也是一种函数逼近,并用matlab实现了BP网络的函数逼近。     

一种基于独立成分分析和径向基神经网络的人脸识别新方法

提出了一种新的基于独立成分分析和径向基神经网络的人脸识别方法。独立成分分析可以从高阶上消除特征数据的相关性,改进了主成分分析方法只能从2阶上消除数据相关性的弱点;最终特征数据的分类由RBF神经网络来实现。在人脸数据库上的实验结果表明该新方法的识别性能较其他方法有了很大提高。     

径向基神经网络在水下船体防腐中的应用

采用改进型径向基函数神经网络来预测水下船体电位,从而达到船体防腐的目的。首先,分析采用无单元法求解问题的优越性;然后,介绍径向基函数神经网络的原理,通过建立水下船体的数学模型来获得船体电位,采用层次凝聚算法和K-均值聚类算法来确定径向基函数神经网络的中心节点,从而建立神经网络;最后,对神经网络的预测能力进行MATLAB仿真检验。结果表明,采用改进型的径向基函数神经网络来预测船体电位获得了很高的精度,对于船体防腐保护达到了很好的效果。     

径向基函数神经网络在集装箱吞吐量预测中的应用

针对一类具有时间序列特性的数据,构造一种基于径向基函数神经网络的预测模型,并将该模型应用于上海港集装箱吴吐量的预测。