基于粗糙集和神经网络的数据融合方法研究

在粗糙集和数据融合基本理论的基础上,研究基于粗糙集理论和神经网络相结合的数据融合方法.由于粗糙集理论能够有效地简化知识,降低特征的维数,将粗糙集理论和神经网络结合起来,利用基于信道容量的知识相对约简算法对输入信息进行简化,剔除冗余信息,从而缩减了神经网络的规模,提高网络的收敛性和融合系统的识别率,达到提高整个融合系统效率的目的.将改进后的融合系统与传统的神经网络融合的效率进行比较,通过实例说明了该方法的有效性.     

基于BP神经网络的多Kinect相机数据融合技术

在工业机器人视觉系统中,因制造工艺限制,单台相机在视角上存在限制,导致相机采集机器人周围环境信息不足的问题,采用多台相机的布置方案,在视觉信息处理部分对数据进行数据融合可以解决以上问题。BP神经网络是处理数据融合的一项有效工具,它模拟人脑的工作原理,通过一定量的数据样本训练网络,将数据间复杂的逻辑关系转换为网络节点间的连接权重参数,然后根据输出值与期望值的误差动态调整权重参数,从而得到理想的融合数据。通过BP神经网络数据融合算法,把相机采集到的信息互补利用与组合,剔除冗余信息,减少单台相机数据的局限性。基于此,考虑到Kinect相机70°视角的限制,采用三台相机的硬件布置方案,构建数据融合神经网络,将Kinect采集到的视觉信息作为神经网络的输入和输出样本,并进行实时训练,对三台相机的视觉信息进行信息融合。实验证明了方案简单、有效,解决了单相机视角不足的问题,在精度上满足工业机器人视觉系统的要求。     

蝙蝠算法优化神经网络的无线传感器网络数据融合

为了降低无线传感器网络数据间的冗余性,提高数据传输量和降低通信能耗,提出一种蝙蝠算法优化神经网络算法的数据融合策略.首先每个簇首节点接收该区域的各传感器节点检测到的数据,然后采用蝙蝠算法优化BP神经网络进行数据融合,最后采用仿真实验对其性能进行测试.仿真结果表明,本文算法节省了感知节点的能量消耗,延长了无线传感器网络的生命周期时间,提高数据融合的精度.     

神经网络用于传感器数据融合

本文提出了使用三个知识源，把向向传播神经网络应用于自动目标识别的数据融合，所用三个知识源为，一个提供高分辨多普勒信号特征信息的连续波用于（Ｘ波段）雷达，一个提供空中目标位置信息的监视雷达，以及从阿德莱德机场飞行时刻表得到的目标飞行固定航迹飞行时间的先验信息。     

基于BP神经网络的多传感器融合方法

本文首先基于数学理论,给出了多传感器融合问题的数学描述,然后简单介绍了BP神经网络的算法以及其在多传感器融合技术的中的应用,最后通过仿真实验,证明了BP神经网络的多传感器融合方法的可适用性。     

基于BP神经网络的多模型估计融合算法

工程领域里的一类目标参数估计常常存在多个估计模型。本文提出一种BP神经网络数据融合算法,对两个模型给出的四个估计结果有效融合,力图给出一个可靠性和精度更高的融合结果.将融合结果与原模型估计结果比对分析发现,融合算法可以有效降低失效率,在一定程度上提高精度。     

基于BP神经网络的无线定位数据融合模型

针对常规TOA和TDOA的加权最小二乘法定位算法的缺点，提出了一种利用反向传播（BP）神经网络构造将TOA和TDOA定位信息的融合模型，并采用贝叶斯正则优化方法，来解决BP算法收敛慢和容易陷入局部极小值的问题。通过仿真表明，该模型具有较高的定位精度。     

数据融合技术在车牌字符识别中的应用研究

在车牌字符识别中,针对单一识别方法识别率不高的问题,提出了应用数据融合技术,将不同的识别方法有机地结合起来构成融合型识别系统,有效地、综合地提高整个系统的识别性能.数据层选择了加权平均算法,特征层选择了人工神经网络算法,决策层采用了模糊推理算法实现对车牌字符的最终识别.应用MATLAB进行了仿真,并与单独使用BP神经网络算法的识别率进行了比较,结果证明采用数据融合技术系统的识别率得到了较大提高,达到90%以上.     

基于神经网络的移动机器人多传感器数据融合研究

针对单超声波的测距缺陷,采用多个超声波结合红外开关共同测距,提高整体测量精度;针对BP神经网络训练收敛速度慢,容易陷入局部极小值等缺点,加入动量-自适应因子来改进BP神经网络;将改进的BP应用于移动机器人传感器旅行家II号数据融合中,实践证明,经改进后的BP神经网络收敛精度高误差小,融合后的信息比未经融合的信息更精确。     

一种基于神经网络的数据融合方法在遥感图像处理中的应用

用一维自组织特征的神经网络数据融合算法，对分别从3个传感器采集的同一遥感对象的3幅数字灰度图像进行了融合，生成出了高质量图像，为人工判读和下一步特征层和决策层融合处理提供了更佳的输入信息。     

基于BP网络的敏感电子器件二信息融合

压力传感器的输出信号在实际应用中受多个非目标参量的影响,其中它对温度的敏感成为其最大的缺点。我们提出了利用BP网络的二敏感电子器件信息融合来消除温度对压力传感器输出信号的影响,提高其精度和可靠性。该方法利用BP网络的Levenberg-Marquardt算法实现数据融合,网络结构简单,学习速度快,具有很好的应用前景。     

基于一维自组织神经网络的图像数据融合算法研究

多传感器数据融合技术最近在图像处理领域得到广泛的重视和应用.传统图像处理是典型的二维信号处理,图像数据融合也属此范畴.为了融合来自同一景物的多幅带有不同噪声的图像,本文提出了一种基于一维自组织特征映射神经网络的图像融合算法,利用等灰度图法来确定自组织映射神经网络的聚类数,并用一维的像素特征量直接进行二维图像信号处理. 仿真试验给出的详细结果表明了该图像融合算法的有效性.     

基于GA-BP神经网络的VOD代理节目预取模型

VOD代理服务器的节目预取方法决定了园区网VOD系统的整体运行效率。提出一种节目预取模型,采用BP神经网络构建分类器并对VOD节目进行分类,再根据分类结果采用基于分组的方法实现代理服务器的节目预取。模型中引入遗传算法对已建立的分类模型进行改进,以克服局部极小值问题。仿真实验表明,该预取模型具有较高的命中率,能有效提高代理服务器的利用率。     

一种基于神经网络的模拟电路故障诊断方法

模拟电路故障诊断一直是一项富有挑战性的研究课题。文章在简要介绍BP神经网络基本原理的基础上,以差分放大电路为例,设计并实现了基于BP算法的模拟电路故障诊断方法,建立了模拟电路故障诊断BP神经网络模型。实验表明,该模型的辨识精度高,能实现对模拟电路故障的正确诊断。     

基于GA-BP神经网络的人脸检测

传统的BP神经网络算法收敛过慢、局部收敛不理想,影响其工作性能。针对以上不足以及人脸图像数据大等问题。提出GA-BP神经网络对人脸图像进行检测的新方法:将遗传学习算法和误差反向传播算法相结合的混合算法来训练前馈人工神经网络,使网络收敛速度加快和避免局部极小。通过实验表明该网络不仅收敛速度快,而且易达到最优解。证明该网络对人脸图像检测具有高的检测精度。     

基于神经网络的多路无线TCP均衡控制算法

针对无线网络应用,能够有效地使多路的TCP数据业务均衡地使用网络共享资源,需要系统能根据无线网络的容量实时变化,动态调整各路TCP协议拥塞窗口大小,其参数结构复杂,难于建立精确的数学模型。为此提出了一种基于BP神经网络的控制算法,利用它可有效解决多路无线TCP数据业务拥塞窗口的自适应控制问题,为基于无线网络数据业务应用的优化提出一种新的思路。