免疫-BP神经网络的入侵检测技术系统设计

为了能够及时检测出计算机网络系统中的入侵行为,提高网络系统的安全性,文章在BP对神经网络算法以及生物免疫算法分析后,提出了一种基于免疫-BP神经网络算法的入侵检测技术。利用免疫算法,对网络数据集进行特征提取、预处理后,再通过神经网络算法检测识别入侵者。这种检测技术可有效提高入侵检测的有效性、准确性,并且具有良好的鲁棒性。     

基于改进神经网络的图像生物特征识别方法

在图像的固定生物特征识别过程中,传统的识别方法针对像素质量不高的问题,很难建立完整的寻优计算过程,识别效果不好。提出基于改进神经网络算法的图像特征识别方法。通过量子计算对神经网络进行优化,优化神经网络在特征识别中的阀值确定过程,完成图像识别。实验结果表明,利用改进的算法进行图像特征识别,能够极大的提高生物特征识别的准确性,扩展了应用的范围。     

基于RANSAC的道路消失点自适应检测算法

基于图像的道路消失点检测是智能交通信息处理系统的重要组成部分。本文针对城市复杂道路环境下获取的视频图像,提出了一种新的道路消失点自适应检测算法。算法通过构建自适应道路线检测器提取单帧图像中与道路消失点相关的平行线,并利用改进的RANSAC算法快速、准确估计消失点位置。实验结果表明,本文算法具有较好的鲁棒性、准确性与实效性,能够满足道路消失点检测的实时性需求。     

基于协同神经网络算法的地层断面识别方法研究

协同神经网络是Haken提出的一种模式识别方法。本文在分析经典Haken协同神经网络的关键技术问题的基础上,提出了一种改进的协同神经网络新算法,并将改进的新算法应用于某高速公路地层断面信息识别问题上,与实际地层断面对比校验,表明网络的识别性能比经典Haken协同神经网络有较大的改进和提高。     

基于神经网络的钢管混凝土超声检测技术研究

脱层在钢管混凝土构件中最常见.超声波检测是一种重要的无损检测方法,但主要以声时参教为检测依据.神经网络的引入,可以超声信号的声时、声频作为特征值输入,通过训练可以识别缺陷的类型.实践表明,通过神经网络识别可以得到比较满意的结果.     

基于深度学习模型的花卉种类识别

提出了一种新的带有多个隐层的深度卷积神经网络,用于非刚性物体的识别。以花卉识别为例子向导,通过分析本文提出的深度神经网络架构、卷积和池化方法以及反向传播误差等主要方法,构造出了一个全新的深度卷积识别模型。通过针对Image Net数据库中的80类花卉图像做训练和识别,在实验过程中与传统神经网络和支持向量机做比较,结果表明本文提出的算法能够提升花卉识别10%以上的识别率,提升效果明显。     

基于视觉的道路图像识别技术研究

道路图像识别技术在智能车辆、辅助驾驶、移动机器人等领域中得到了广泛应用,基于视觉的道路图像识别技术已成为众多学者研究的课题。介绍了几种不同的道路识别技术,并着重对基于特征的方法进了阐述,提出了基于区域特征的分水岭算法及改进方法,然后就道路图像的边缘检测进行了分析,最后给出了该领域的研究方向和发展趋势。     

一种改进的基于SVM的网络入侵检测算法

研究了支持向量机与自组织神经网络的原理,利用支持向量机的小样本学习与推广能力强的特点,结合自组织神经网络良好的学习能力与收敛速度,实现了对支持向量机算法的改进.利用Lincoln实验室入侵检测系统评估数据集合对改进算法进行测试,并将实验结果与BP神经网络进行了比较,结果表明,改进的算法在检测精度与训练时间方面均优于BP神经网络.     

基于逐步判别法的神经网络储层流体识别技术

储层流体的识别一直是石油工业中重要的问题,也是长期困扰大家的一个难点。针对测井资料并综合利用各种数学手段,如交会图法、多参数方程、统计分析以及神经网络等方法大大提高了对储层流体识别的准确率。尤其是近些年来BP神经网络技术在储层流体识别中得到了很好的推广和利用。在使用BP神经网络时,很多人倾向选择所有的测井参数作为神经网络的输入。本文利用逐步判别法来优选测井参数作为神经网络的输入,逐步判别法可以优选判别能力强的参数,剔除对区分总体不明显的变量,这样优选测井参数的神经网络收敛速度快,预测准确率高。     

无线信号自动识别算法的仿真实现

首先对比Hilbert变换构建的解析信号进行时频分析的方法,探讨了基于决策理论的模拟调制方式识别方法。然后在分析该方法缺陷的基础上,提出了基于神经网络的识别方法。神经网络(NN)在进行信号识别时,主要是依据谱峰位置的不同,小波变换在这里则相当于一个数学显微镜,反映信号类别与谱峰位置间的必然联系。利用小波变换并结合简单的三层BP神经网络,即可提取更加精确的待识别信号的时频特征。     

无线信号自动识别算法的仿真实现

首先对比Hilbert变换构建的解析信号进行时频分析的方法，探讨了基于决策理论的模拟调制方式识别方法。然后在分析该方法缺陷的基础上，提出了基于神经网络的识别方法。神经网络（NN）在进行信号识别时，主要是依据谱峰位置的不同，小渡变换在这里则相当于一个数学显微镜，反映信号类别与谱峰位置间的必然联系。利用小波变换并结合简单的三层BP神经网络，即可提取更加精确的待识别信号的时频特征。     

基于改进卷积神经网络的人脸识别算法

针对经典人脸识别卷积神经网络(CNN)结构中因网络层次设计过深导致计算量大且训练耗时长的问题,设计一种改进的卷积神经网络结构,该结构由3个卷积层、3个池化层、1个全连接层和1个分类层组成。利用Softmax回归算法进行人脸分类识别,卷积神经网络在输出层利用改进的Softmax进行分类。实验结果表明:在AR人脸库上,所述方法的识别率接近100%,优于传统人脸识别方法,其训练速度也明显快于普通的卷积神经网络,验证了改进方法的有效性。     

批量标签快速识别防碰撞算法研究

射频识别技术具有非接触、双向数据传输的通信特点,在物流、交通及人员管理等领域中具有越来越广泛的应用。利用其进行城市道路中的车辆识别,可实现虚假车牌查找,车流量测量控制,超速违章行为查处等多种目的。但其难点在于城市道路中车辆识别涉及多目标识别和车辆移动速度快速等特点。现有射频技术已能实现移动速度高达25～40KM/h的标签识别。本文主要研究一种涉及以一定速度连续通过阅读器阅读范围内的多标签,发生碰撞时的防碰撞算法研究。以城市道路车辆识别为例,进行阐述。利用待识别物体与识别单元距离不同这一物理条件对待识别物体进行分组,依据空间位置的不同分为几组,加以相应的时延,降低发生碰撞概率,提高车辆识别效率。     

基于神经网络的导电材料厚度测量技术研究

涡流检测已经成为现代工业和科技领域中广泛使用的金属材料检测方法。本文提出利用改进的BP神经网络和涡流检测信号来确定材料多层厚度的方法。仿真结果和对许多厚度已知的试块的试验结果表明,该方法是有效的。     

基于RFID技术的智能安全书包系统

正无线射频识别技术(RFID)是利用无线电波进行通信的一种非接触的自动识别技术,其基本原理是,通过读写器和粘附在物体上的电子标签之间的电磁耦合或电感耦合进行数据通信,达到对标签物品的自动识别,并且可实现多标签同时识别。     

一种基于BP神经网络的建筑防火检测改进方法

针对现有的建筑防火检测方法已经无法满足在实际检测中需求的问题,本文提出了一种基于建筑防火检测的改进BP神经网络模型。在传统BP神经网络的基础上,提出动态合并与删减规则,并且根据建筑防火检测的需求建立检测的指标,再根据改进BP神经网络和检测指标建立检测模型。仿真实验表明,基于建筑防火检测的改进BP神经网络模型实际操作性很强,可以应用于对建筑物的防火检测,值得推广使用。     

基于32线激光雷达的道路边界识别算法

为了更加有效地解决智能车在结构化道路中的边界识别问题,基于32线激光雷达采集的道路边界三维点云数据中z坐标值的单调特性,提出了一种新的道路边界识别算法。该算法首先基于雷达坐标系原点将智能车感兴趣区域划分四个区域:右前方,右后方,左后方,左前方,并利用数据梯度分析分层提取具有单调特征的道路边界点云数据。然后基于多阈值滤波对粗提取的道路边界点滤波。最后利用最小二乘法拟合道路边界点数据。实验结果表明,尽管引入障碍物、道路曲率和坡度变化等多种影响因素,该算法仍可以准确识别结构化道路边界,准确性和鲁棒性较好,能够满足智能车道路边界检测任务的要求。     

改进遗传算法的神经网络模型研究

神经网络模型及遗传算法在信息识别、分析与处理方面有着广泛的应用前景。通过对实数编码的遗传算法进行分析,给出了一种改进的优化神经网络模型权值的遗传算法,试验表明,改进的遗传算法可以使神经网络模型的收敛性和稳定性得到明显改善,并且可以减少优化时间。     

基于改进BP神经网络的图像识别算法

为提高图像识别的准确率和速度,结合遗传算法和BP神经网络设计了一种改进图像识别算法。由于传统BP神经网络本身存在结构参数不确定、收敛速率低、容易陷入局部最小值等问题。本文首先提取图像的颜色和纹理特征,利用BP神经网络实现特征的初步识别同时基于遗传算法在线优化BP神经网络结构参数。在此基础上,给出了图像识别流程。最后,根据证据理论实现图像识别结果融合以获得完整图像信息。仿真结果表明:所述算法具有较高的识别率和收敛速度;在少量训练样本条件下,改进BP神经网络依旧具有较好的泛化能力。     

基于暂态特征与径向基神经网络的家用负荷识别方法

家用负荷识别可以指导用户合理用电,同时有助于电力部门需求侧管理,对智能电网的发展具有重大意义。本文依据负荷投切过程的暂态特性,提出了一种基于径向基神经网络的家用识别方法。该方法利用变点检测算法差量提取出负荷投切的暂态特征,然后使用径向基神经网络对负荷进行识别。实验结果表明,该方法对常用家用负荷具有良好的辨识能力。