一种模糊小波网络逼近性分析

基于多分辨率分析,本文研究了一种模糊小波网络。以B样条函数作为模糊小波网络的隶属函数,使其具有紧支撑和多分辨率特性,同时在理论上分析系统的逼近性,证明了函数集在范数空间中是稠密的和具有一致逼近能力。最后通过实验验证了其有效性。     

小波模糊网络作为补偿器的自适应控制算法

提出了一种基于小波模糊网络(WFN)的自适应计算转矩控制算法。这种控制方法的结构可以被认为是一个前馈型计算转矩控制器和一个WFN模型补偿器的结合。根据己知的机器人模型,使用普通的计算转矩方法,计算出前馈控制转矩。补偿器计算生成一个补偿转矩,叠加在前馈控制转矩上,以补偿不确定的动力学参数。     

基于多方向小波模糊融合的SAR图像边缘提取

合成孔径雷达图像通常带有较强的相干斑噪声。传统的边缘检测算法难以兼顾噪声抑制，检测边缘的完整性和定位的准确性，针对合成孔径雷达自身的特点，利用多方向小波变换各尺度间边缘梯度信息的关联及各方向上边缘梯度信息的互补，提出一种将小波变换的多方向多尺度与模糊积分相结合的边缘特征提取算法．这种算法能在有效克服斑点噪声影响的同时保留弱边缘．融合边缘比较完整．边缘定位准确。     

基于小波模糊网络的机器人补偿控制

将模糊模型引入小波网络，给出一种新型模型－小波模糊网络WFN。并在机器人手臂的思迹控制方面提出一种新的控制方法，即将一个基于WFN的补偿控制器引入机器人的轨迹控制结构中。仿真结果表明，该控制方法能实现对机器人的高速高精度控制。     

一种基于KPCA与小波变换的遥感图像融合算法

通过对HSV变换与小波变换图像融合方法的研究,提出了一种新的基于KPCA与小波变换的遥感图像融合的方法：通过KPCA变换,在保留主要信息的前提下除去波段之间的冗余数据,减少处理的数据量以提高融合的效率;由KPCA变换统计分析选择最优波段合成新的彩色图像,再与增强处理后的全色图像进行融合。实验结果证明该方法具有较好的融合效果。     

一种基于小波-Contourlet的改进图像融合算法

为了解决小波变换中的方向有限性问题,并消除Contourlet变换中拉普拉斯金字塔分解存在的信息冗余,提出一种基于小波-Contourlet的区域梯度选择平均图像融合算法.该算法对低频采用加权平均规则,对高频则计算区域梯度,并采用选择平均规则,选取空间频率、交叉熵与偏差等客观评价数据.实验结果表明,在相同的融合规则下,...     

一种基于小波包变换的SAR图像与TM图像融合方法

为了增强来自不同传感器的图像信息，改善图像的可分析和提取能力，近年来，常采用小波变换融合方法。但小波变换只对低频信息进行多分辨分析，并不考虑高频信息的多级分解。小波包变换不仅能对图像的低频部分，而且对小波变换没有细分的高频部分也能进一步地分解。因此，小波包分析能够为图像融合提供一种比小波多分辨分析更加精细的分析方法。在研究了小波包分析法后，提出了一种小波包图像融合方法。利用此融合算法对同一场景的不同传感器荻得的合成孔径雷达（SAR）图像和专题绘图仪（TM）图像进行融合，通过客观分析与目视评价，证明该融合方法的融合结果更好。     

一种基于小波融合的乳腺图像增强方法

任何一种方法不会对所有的图像都有很好的增强效果,不同的增强方法对图像的增强重点也不尽相同。灰度线性变换法能够加大图像动态范围,增强高通滤波法能够增强图像的精细结构。我们分别采用这两种方法对乳腺图像增强,然后利用小波融合方法综合两个图像的信息,得到了很好的增强效果。     

一种用小波变换优化复杂网络的方法

人类视觉系统(HVS)只能分析只有数十个点的小型网络的结构特征,而对于数以百万计顶点的网络就无能为力了.小波分析提供了一个"显微镜"的方法,利用小波可以对巨大网络的结构特征特别做出比较完美的诠释.小波变换通过多分辨率地表示一个网络,提供了一个"由粗到精"的策略,能以处理很少的信息量的代价来描述和分类复杂网络.     

改进型小波能量法的图像融合评价

针对小波变换的特点，对传统的小波能量法进行改进实现了对融合结果由粗到细地分析，评价融合算法的优劣，通过各层的小波能量分布可以进一步选择小波融合的分解层数，预测融合结果。选取常见的小波函数——Haar小波作为图像融合的小波基函数，在点对点的融合策略下进行图像的融合实验，并利用改进后的小波能量法WE2对融合结果进行评价     

变结构模糊神经网络在信息融合中的应用

针对多传感器信息融合方法的复杂性和多样性问题,依据智能融合理论,采用模糊逻辑和神经网络技术,提出了一种用于机器人多传感器信息融合的变结构模糊神经网络方法,并对其进行仿真．仿真结果表明,该融合算法的有效性是一种比较实用的融合方法．     

基于小波模糊神经网络的滑模控制器设计

针对一类非线性系统,采用小波模糊神经网络对控制对象辨识并提出了滑模控制器的设计方法.在系统存在外部干扰并有界时,利用李亚普诺夫方法证明了系统的稳定性.最后,通过MATLAB仿真验证了输出反馈控制具有良好的跟踪性能.     

基于模糊神经网络及证据推理的数据融合系统

在研究战术弹道导弹电子对抗条件下作战仿真运用问题时,我们成功地将模糊神经网络与证据推理相结合,弥补了传统多传感器数据融合系统未考虑外界环境因素影响的缺陷,提高了数据融合系统的抗干扰能力,最后简单介绍了仿真系统软件的实现流程。这是作战仿真方法研究及实现的新途径。     

基于模糊神经网络融合技术的智能火灾预警系统

根据当今火灾探测的现状和实现火灾早期探测的需求,将多传感器数据融合技术应用在火灾预警系统中.选择多个传感器对火灾过程的多参数进行监测,特别对火灾发生初期产生的异常信息进行全面监控,弥补了采用单一传感器的不足,扩展了时间上和空间上的监测范围.系统采用基于模糊神经网络多传感器融合技术,增强了系统报警输出的灵敏度和可靠性,实现了提前预警的目的.     

BP、模糊、小波网络逼近性比较研究

对神经网络、小波网络和模糊小波网络函数逼近性进行对比,进而对采用正交化选择法和前向选择法净化小波时,小波网络和模糊小波网络对一维非线性函数逼近进行了分析.仿真结果证明模糊小波网络具有高精度的逼近能力和很强的泛化能力,该方法比小波网络和BP网络更优越,并且正交最小二乘法净化小波的性能指标优于前向选择法.     

基于Sugeno模糊积分的多分类器融合方法在多属性决策中的应用

首先介绍了基于Sugeno模糊积分的多分类器融合方法的一般原理,而后将其应用于研究多属性决策中的综合排序问题,最后,用一个实际的案例验证了该融合方法的有效性和可行性。利用该方法不但实现了多属性决策中社会选择函数的功能,而且通过对“分类器”的训练,能够反映出各种决策方法在解决同类问题中的效果。同时,融合后的结果也能够充分地体现出决策者的偏好。     

小波包分解与Fuzzy ART神经网络在磨削振动监测中的应用

针对磨削加工的特点,通过小波包进行振动信号细化分解,提取各尺度能量作为特征量.利用无导师学习的Fuzzy ART神经网络进行振动异常的辨识,在发生未知模式振动异常时,网络将产生新的类报警.与传统监测方法相比,该方法能对已知和未知的振动异常进行辨识报警,在实际磨削过程监控应用中效果良好.     

基于模糊神经网络的机器人感知系统多源信息融合的研究

提出了利用基于模糊神经网络的传声器阵列和双目摄像机信息融合,实现对声源的精确定位和实时跟踪的方法.该方法建立了五层模糊神经网络,设计了各层的输入和输出,利用BP算法调整模糊神经网络的权重和参数获得不同的隶属函数,从而生成相应的模糊规则实现模糊决策.利用Matlab仿真了机器人的感知过程,得到了实际输出和实验输出的误差曲线,验证了基于模糊神经网络多源传感融合算法对于机器人控制的有效性.     

模糊小波神经网络在现役油田玻璃钢管的运行风险评价

玻璃钢管受到环境和腐蚀等各种因素的影响造成各种管道事故.将模糊评价法、小波分析和人工神经网络理论有机结合,建立了基于模糊小波神经网络的在役玻璃钢管运行风险评价模型.该模型采用模糊评价法对风险因素的指标进行量化,将模糊系统的输出作为神经网络的输入,构造模糊小波神经网络并加以训练.通过选择合适的算法,设计相应的小波神经网络,进行实例仿真.仿真结果表明,该模型能够有效解决现有评价方法主观随意性大、结论模糊等不足,并实时动态再现专家评价结果,其最大相对误差不超过0.3779％.