基于Hopfield网络的三维显微图像复原

在实际显微系统中,由于样本的折射率和透镜折射率不匹配,致使不同深度的PSF是不一样的.为了实现三维显微图像的复原,提出了基于三维高斯PSF的复原算法,将Hopfield神经网络用于三维图像序列的复原中,实验证明连续Hopfield网络能够恢复深度变化图像模型的模糊图像.     

基于MRA和AMFNN的交通流量预测

为了研究城市道路动态变化的交通流量，本文提出了在多分辨率分析(MRA)的基础上利用加乘模糊神经网络(AMFNN)进行预测的方法，并给出了交通流量的预测模型，同时，用实测的流量数据测试了模型的性能．仿真实验表明，采用基于多分辨率分析的加乘模糊神经网络非线性方法能够获得较满意的预测结果。     

启发式Hopfield神经网络在车间调度中的应用

调度问题是一类非常复杂的组合优化问题，而Hopfield神经网络通常被广泛应用于各种组合优化问题．针对车间调度问题(JSP)的约束条件和换位矩阵，提出了包含所有约束条件的计算能量函数表达式，并针对神经网络依赖初始解，提出了启发式算法与神经网络相结合的方法，并得到解决车间调度的Hopfield神经网络结构和权值解析表达式．实验仿真结果表明了该方法的有效性．     

面向对象的高分辨率遥感影像道路提取算法

针对高分辨率遥感影像的特点,提出了一种基于面向对象思想的自动道路提取方法.首先对遥感影像进行双边滤波,平滑细节信息并保留道路边缘信息;然后使用模糊C均值算法分割图像以得到独立的地物对象,并结合道路几何特征对各对象滤波得到候选道路段;使用区域增长算法形成道路网,最后使用形态学方法实现道路网的修整和细化.实验表明,该方法无需人工选取道路种子点,就可以在不同场景的遥感影像中有效地提取出道路目标.     

颜色在识别中的应用及关键技术研究

研究颜色在识别中的应用以及所涉及到的关键技术.主要技术包括色度图、颜色库、自适应阈值、颜色模版匹配、模糊神经网络、颜色分类器等.重点研究了适于遥感图像分类的正交坐标系的YHS(亮度,色调,饱和度)变换技术.     

3S技术在土地利用调查中的应用

基于无人机遥感图像的分类精度和高分辨率的图像特征,得出面向对象的遥感影像分类方法,即应用无人机遥感技术进行土地利用的快速详查信息提取。运用GIS技术,着重研究土地利用数据库的建立方法及构建过程,通过该数据库构建的时空模型,可有效地避免数据冗余问题,建立的数据库还可实现土地的详查追溯,通过图像的层次叠加获取历史土地详查的全区土地信息。     

基于模糊支持向量机的变压器故障诊断

针对支持向量机对训练样本内的噪声和孤立点比较敏感,影响了支持向量机分类性能的弱点,利用模糊支持向量机的学习方法,构建了变压器故障诊断模型．采取一种基于二叉树的多分类方法,使用模糊C均值聚类算法求取模糊支持向量机的模糊隶属度,采用径向基核函数,并利用遗传算法对模糊支持向量机的参数进行寻优．实验结果表明,基于二叉数的模糊支持向量机模型相比BP神经网络、支持向量机有更高的诊断准确率,基于二叉树模糊支持向量机的变压器故障诊断方法是可行的．     

基于模糊神经网络模式分类的数据挖掘算法

提出了一种基于模糊神经网络模式分类的数据挖掘算法--把模糊理论和神经网络结合起来,构造及训练模糊神经网络.给出了基于模糊神经网络的学习算法,通过仿真验证了该算法的正确性.     

基于多分辨率分析的模糊系统逼近能力分析

根据多分辨率分析理论，利用B-样条函数作为尺度函数具有的紧支撑性和多分辨率逼近性，从时频域局域化角度构造出基于多分辨率分析的模糊系统．从理论上分析了基于多分辨率分析的模糊系统的函数逼近能力。结果表明，多分辨率模糊系统构造的函数集在赋范空间L^P(E)中是稠密的，即具有函数逼近能力．     

基于云模型的模糊边缘检测

基于云模型和模糊集理论。提出了一种新的边缘检测方法．该方法根据图像灰度。借助区域生长算法产生对象云；通过云运算生成边界云并构建模糊隶属带。进而在条件概率和模糊划分熵的基础上。根据最大模糊熵原则确定最优阈值，对图像模糊边界进行提取．试验结果表明。该算法能保留大量低灰度信息。可以获得较好的枪涮特栗．     

基于高分辨率遥感影像的道路提取方法

分别采用面向对象、最大似然、支持向量机3种分类方法进行实验区高分辨率遥感影像的道路提取,并作分类精度评定。结果表明,面向对象法能够综合利用高分辨率遥感影像的波谱、几何、纹理等多种特征信息,可有效克服影响因素的干扰。本案面向对象法道路提取的总分类精度较高,获得的分类结果较好。     

基于面向对象分类的密云县城区地面不透水程度分析

利用LandsatTM影像数据,试验了一种基于面向对象分类分析的城区地面不透水程度分析制图方法,包括：对城区多光谱遥感影像进行分割,对分割生成的影像对象层进行面向对象的分类,再在分类的层上执行基于分类的融合,从而获得城区与非城区分布范围的影像对象层;第2次分割影像,获得表示城区独立结构单元的完全不透水地面影像对象层,对该层进行面向对象的分类;第3次分割影像,获得表示城区不同地块的影像对象层,结合第1次和第2次影像分割对象层分类的特征信息对该层进行面向对象的分类,把城区地块按不透水程度大小进行分类;最后输出第3次分割的影像对象层分类结果图,即获得城区地面不透水程度分析图．试验结果表明,面向对象分娄暑一种i舌干分析珐区王lb．面不番水程唐的有张方法     

基于神经网络的公交车辆行程时间预测模型研究

城市公交丰辆行程时间预测是公共交通信息服务和运营调度的重要内容,要求较高的实时性和准确性。本文以智能交通运输系统为背景,通过分析公交车辆的行驶特性,基于改进的神经网络模型,建立了公交车辆动态行程时间预测模型,并对比了三种不同输入变量方案的神经网络预测模型,表明该模型具有良好的适用性。此外,将该方法与卡尔曼滤波法的行程时间预测模型进行比较,结果表明,基于神经网络的动态行程时间预测模型精确度较高。     

改进SSD模型在高分二号遥感影像中高速公路收费站位提取的应用

以高分二号遥感影像中的高速公路收费站为研究对象，选取了北京、山西、河南、广东、福建5个省市2019年的高速公路收费站点位和0.8 m遥感影像，通过图像预处理、样本标注、裁切、数据增强、样本集划分的步骤制作训练样本集；引入“多尺度特征融合”的方法对SSD目标检测模型进行改进，通过增加“转置卷积”和“拼接”操作，将高层次特征图像的语义特征赋予低层次特征图像，以增强上采样质量与特征融合能力，从而提升了模型对小目标收费站的检测效果；将改进SSD模型用于2019年福建省高分二号影像中的收费站点位提取，沿福建省高速公路路网矢量对影像进行自动切片，将切片输入模型中进行目标检测；保留有收费站的切片，使用非极大值抑制去除多余的检测框，将剩余的检测框的坐标变换为中心点的坐标，可以直接输出得到高速公路收费站的中心点矢量，从而实现对于收费站点位的端到端自动化提取。研究结果表明:改进SSD模型的精度、召回率及二者的调和平均数分别为0.86、0.88和0.87，均优于传统的SSD, VGG, Faster R-CNN和特征金字塔网络模型。可见，对收费站点位的自动提取可以大大提高公路管理者的工作效率，有效满足公路管理者的实际工作需求。      

基于模糊RBF神经网络的柴油机电液调速控制方法

介绍了电液调速执行器的动态特性,设计了电液调速控制回路,实现了模糊RBF神经网络对柴油机油门执行器位置的控制。将一种基于模糊RBF神经网络的PID控制器应用于柴油机调速控制中,详细说明了模糊RBF神经网络控制器的设计过程,它结合了传统PID以及神经网络和模糊控制的优点,可以在线调整得到一组最优的PID控制参数。仿真结果表明该系统比传统模糊控制的响应速度快、超调小,且适应性强,具有推广价值。     

遥感信息技术及其在高精度可视化导航工程中的应用

遥感信息技术是一项集现代高新技术于大成的复杂系统工程.在概要介绍了遥感信息技术基础上,通过高分辨率遥感影像在高精度可视化导航工程中的直接应用,探讨了遥感信息技术在相关领域应用的重大意义.     

基于Erdas软件对立体SAR数据提取DEM的方法

SAR是处于高速发展中的主动遥感技术之一,立体SAR技术可以比较方便地提取到大范围DEM信息。重点介绍SAR数据处理的一般步骤,生成DEM的原理,以及利用ERDAS软件系统提取DEM的过程。结果显示,利用此软件能够快速有效的提取DEM数据,取得较好的工作效率。