基于SOM神经网络的民用机场分类方法

机场是综合交通运输的重要节点,是航空运输的重要基础设施。科学地进行机场分类研究对于机场的国家布局规划、机场自身定位和运行策略选择等都具有重要的现实与理论研究价值。利用神经网络技术中的自组织映射（SOM）网络并结合MATLAB软件进行编程对我国主要机场进行聚类分析评价,得出我国主要机场分为8层的主要结论。结果表明,自组织特征映射（SOM）能很好用于我国机场分类,是一种新颖、有效的分类方法。     

基于SOM神经网络的民用爆炸物品配送中心选址决策

由于民用爆炸物品的特殊性,其物流配送中心的选址与一般物流配送中心的选址有着很大的不同,特别是其安全性条件应重点考虑.利用SOM神经网络对影响民用爆炸物品配送中心选址的各种因素进行分析和处理,较客观地对多个候选方案进行了选优决策.算例分析表明,该方法通过神经元之间的竞争来实现各种关系的分类,能很好地符合民用爆破物品配送中心选址决策的各项要求.     

基于SOM的我国民用机场分类研究

科学准确地对民用机场分类可以将机场自身定位,为机场发展及评估提供可靠依据,具有重要的现实意义。本文选用了15个影响我国机场分类的关键因素,运用神经网络技术中的自组织映射(Self-Organizing Map,文中简称SOM)将我国民用机场进行了细分,并分析了各类机场的特点。结果表明,SOM能很好地应用于我国民用机场分类,是一种科学、有效的分类方法。     

基于投影的车牌倾斜检测方法

图像倾斜检测是车牌识别中的关键环节之一。典型的倾斜检测算法是进行Hough变换后寻找长直线的倾斜角度．在实际应用中,车牌图像中未必有明显的较长直线,或者长直线对正确检测形成干扰．本文介绍一种基于投影的车牌图像倾斜检测方法,通过对车牌图像做各种角度投影,寻找投影图像峰宽最窄的角度,即是图像的倾斜角度。测试结果表明了这种方法的有效性。     

膨胀土胀缩等级的SOM神经网络评判及验证

在对现有膨胀土判别分类方法进行评价的基础上,根据公路建设中的常规试验项目选择了液限、塑性指数、小于0.002 mm的黏粒含量、CBR、自由膨胀率和CBR膨胀率6项指标,通过确定每项指标的界限值,建立了以神经网络中的SOM网络模型为理论依据的膨胀土胀缩等级评判模型,编写了评判软件;并应用评判模型对沿线膨胀土土样的胀缩等级进行了评判分类;通过应用膨胀土土样6项指标以外的胀缩性能和强度性能指标进行验证,证明了分类结果是正确可靠的。     

基于SOM的上市航运企业盈利能力分析

SOM神经网络结构简单,具有良好的自组织、自学习能力等特性,学习能力强,处理速度快,兼有可视化,结果客观可靠,是一种优良的聚类工具,在模式识别和样本分类中得到广泛应用。运用SOM聚类方法对我国部分上市航运企业盈利能力进行了分析,将18家航运企业盈利能力分为强、中、一般、弱四类,对促进我国航运行业提高运营质量和经济效益具有积极的意义。     

SOM网络在铁路危险货物专用线风险评价中的应用

为合理确定铁路危险货物专用线的风险水平,提出了一种基于神经网络技术的风险评价模型.根据铁路危险货物专用线运营的特点及国家相关标准的要求,比较全面、系统地构建了铁路危险货物专用线及附属设施风险评价指标体系.为了弥补现有铁路危险货物专用线定量风险评价方法的不足,提出了基于自组织特征映射(SOM)网络的铁路危险货物专用线风险评价模型,并将训练后的模型应用于中石油某线路的风险评价,确定了该线路的风险等级.实例计算表明,该模型假设合理,计算结果符合实际情况.     

基于FLANN数据融合的传感器温度补偿及校正

提出了一种用函数连接型神经网络(FLANN)数据融合及直线回归分析技术相结合实现传感器温度参量的补偿及其非线性校正的方法．该方法将传感器线性段特性用回归方法进行拟合,得到直线校正方程,对传感器非线性特性采用参考温度参量与传感器输出值的FLANN数据融合,从而实现传感器温度补偿与非线性校正．该方法用于微重力落舱动态测重结果分析表明,该方法是切实有效和可行的．     

回波法检测在桥桩倾斜中的应用

随着国民经济的高速发展,道路桥梁等设施大量兴建,桥梁基础质量的好坏尤为重要,基础是地下隐蔽工程,它承担着桥梁的全部荷载,其质量如何,至关重要。主要介绍了基桩倾斜状态下的检测方法。     

SOM神经网络在地铁车站火灾风险评价中的应用

对地铁车站火灾风险评价的量化分析可以为城市轨道交通运营提供安全保障,文章对地铁火灾报警系统、水消防系统、气体灭火系统、防排烟系统、通风空调设备及应急疏散设备进行风险评价,提出基于自组织特征映射神经网络（SOM）的地铁车站火灾风险评价模型,根据评价结果,得出地铁车站火灾风险等级。     

车牌自动识别系统设计与实现

车牌自动识别分为图像预处理、车牌定位、字符分割、字符识别四步。利用形态学变换对图像进行滤波聚类,HOUGH变换对车牌图像进行水平校正,BP神经网络的方法进行字符识别,最后基于DELPHI7．0环境下设计开发了车牌自动识别系统。     

基于多层前馈神经网络的车牌提取方法

文中提出一种采用三层前馈神经网络提取车牌的方法。该方法是一种基于纹理分析的图像分割算法,适合于彩色及灰度图像。实验表明,该方法能准确地提取图像中的车牌。     

基于ANN下的岩质路堑深边坡稳定性评价

在综合分析岩质路堑深边坡变形破坏模式的基础上 ,提出评价岩体边坡工程稳定性的指标 ;讨论了神经网络在岩质路堑深边坡稳定性评价中的应用 ,提出了基于 ANN下路堑深边坡稳定性评价的方法 ;通过样本训练和实例预测评价结果表明 ,该方法是有效、可行的     

基于BP神经网络的公路路基横断面填挖方信息提取方法及应用

笔者探讨了基于 Ｂ Ｐ 神经网络的横断面填挖方信息提取方法． 该方法可快速地得到任一路线中桩处在不同填挖高度 Ｈ 时的横断面填方面积 Ａｆ 和挖方面积 Ａｃ 的近似值, 并可将 Ｈ～ Ａｆ 及 Ｈ～ Ａｃ 关系图线加绘在纵断面图上, 以便掌握全线或某一区间的填挖方分布状况, 为纵断面拉坡设计提供依据． 该方法易于在 Ｃ Ａ Ｄ 系统中开发实现, 以提高勘测设计自动化、智能化水平．     

基于BP神经网络的手写字符识别系统

基于BP神经网络对非线性系统辨识的通用性和自适应性等特点,构建了一个BP神经网络模型,增强了网络的自适应能力和学习能力,提高了网络的精度和收敛速度,并在此基础上开发出一个高效准确的手写体字符识别系统.