课程文献中心 更多>>

关键词： 感兴趣区   脉冲耦合神经网络   独立成分分析   车牌定位   拉曼光谱定性分析  

摘要： 脉冲耦合神经网络（Pulse Coupled Neural Network, PCNN）是近年提出的图像处理新方法,已在图像去噪、图像分割、图像阴影去除、图像边缘检测等领域中获得广泛研究与应用。将PCNN应用于感兴趣区（Regions of Interest, ROI）的检测,利用PCNN图像增强处理,其处理结果具有突显图像中的ROI区域、屏蔽图像中大量无关信息的优点,可有效缩小后续定位算法中ROI的搜索范围,有利于提高后续ROI定位算法的定位准确率和算法处理效率。然而,由于PCNN增强处理后的结果是图像序列,如何能有效地从该序列中自动检测出包含了目标ROI的图像结果,是PCNN在实际应用中所面临的一大难题。因此,基于PCNN的ROI检测方法及应用的研究不仅具有理论研究价值,而且具有重要的社会、经济意义。 本文主要围绕基于PCNN的ROI图像检测方法及其应用展开研究。其主要研究内容及其创新点归纳如下: （1）针对标准PCNN及其改进模型存在的缺陷和不足,提出了一种PCNN改进模型,LMO-PCNN模型。并通过对LMO-PCNN模型输出的不同规定,得到了该模型的两个子模型,LAO-PCNN模型和LIO-PCNN模型。同时,还对该模型进行了动态行为分析、模型网络参数设置分析,以及模型的特性分析。该改进模型不仅保持了PCNN的基本特性,而且还具有一些新的特性。 （2）为LMO-PCNN的两个子模型分别设计了两种不同的图像处理应用。基于LAO-PCNN模型,结合中值滤波器对图像去噪领域的难点-混合噪声进行修复,提出了一种的混合噪声滤除算法。并通过数学推理和实验手段获得模型关键参数的较优设置范围;基于LIO-PCNN模型,提出了一种ROI图像增强方法。进行了模型参数设置分析。通过不同的参数设置方式,分别得到两种LIO-PCNN图像增强方法,启发式的和自适应的。并比较分析了这两种算法各自的应用优势。同时,仿真实验结果表明,基于这两种子模型的图像处理算法的处理性能比以往算法均有明显提高。 （3）为提高ROI定位算法的定位精度和处理效率,以缩小ROI定位算法搜索范围的思路,提出了一种基于LIO-PCNN,结合独立成分分析（Independent Component Analysis, ICA）的ROI图像自动检测算法。该方法能以极少的时间代价,准确地从LIO-PCNN图像增强处理的结果序列中自动检测出包含了ROI的图像结果,且该结果能有效凸显图像中ROI信息,并屏蔽了图像中大量无关信息。该算法检测一幅图像的平均用时仅需0.03s,准确率达98%以上。并对ROI的形状和位置具有鲁棒性,无需ROI的先验知识,具有较强的算法适应性。 （4）针对LIO-PCNN-ICA检测方法处理后结果图像中车牌区域所具有的特征,结合连通域标记方法,提出了一种简单、快速的车牌定位算法,该方法不仅能有效对车牌进行精确定位,而且还同时完成了对车牌字符的分割处理。仿真实验表明,本章算法通过引入LIO-PCNN-ICA方法,以极小的时间代价,优化了算法的输入信息,缩小了对车牌的搜索范围,取得了比以往算法更高的定位精度和更快的执行效率。这同时也表明,LIO-PCNN-ICA方法具有提高后续ROI定位算法的定位精度和处理效率的优势。 （5）从ROI检测及识别的角度,提出了一种基于LMO-PCNN的拉曼光谱定性分析方法。首先,对LMO-PCNN模型进行了改进,并分析了模型神经元的动态行为和参数设置方法;然后,基于改进LMO-PCNN模型对拉曼光谱进行编码,并结合编码匹配方法和编码相似性测度,共同完成对拉曼光谱的定性分析。该方法避免了目前基于谱模板方法中待测样品拉曼光谱特征谱峰难以确定以及匹配分析冗余度高等不足,其定性分析中所需匹配的特征谱带由基谱库确定,且完成定性分析所需的谱带匹配次数仅为传统方法的1/3,对存储空间的要求也仅为后者的5.8%,具有更高的分析性能和更低的存储空间要求。

关键词： 神经网络   脉冲   时滞   稳定性   Lyapunov泛函  

摘要： 时滞脉冲神经网络是时滞大系统的一个重要组成部分,具有十分丰富的动力学属性.鉴于它在信号处理、动态图像处理以及全局优化等问题中的重要应用,近年来,时滞脉冲神经网络的动力学问题引起了学术界的广泛关注.尤其是时滞脉冲神经网络平衡点的全局稳定性(包括全局渐近稳定性、全局指数稳定性等)得到了深入的研究,也获得了一系列深刻的结果.本文主要对一类时滞脉冲神经网络(即Hopfield神经网络)平衡点的全局渐近稳定性或全局指数稳定性进行了一系列的研究,取得了一些较深刻的结果.具体地说,本论文涉及到如下内容： (1)非Lipschitz神经元激励下时滞脉冲神经网络 几乎所有现存的文献是基于Lipschitz神经元激励下研究时滞脉冲神经网络的稳定性问题.然而,很少研究非Lipschitz神经元激励下时滞脉冲神经网络的稳定性.基于此,本文主要对一类非Lipschitz神经元激励下时滞脉冲神经网络全局稳定性进行了一系列的研究,获得的一些新的结果. (2)时滞脉冲神经网络的稳定性分析 运用同胚映射理论、拓扑度理论和Lyapunov泛函方法,得到了一些新的具有较少约束的全局渐近稳定性或全局指数稳定性判据,改进了现有的结果. (3)脉冲对时滞神经网络稳定性的影响 针对当前许多时滞脉冲神经网络的稳定性判据均要求原时滞系统Lyapunov稳定的弊端,我们运用不等式技巧,得到了一些保证系统全局稳定的充分条件,放宽了对脉冲强度的限制,这对实际时滞脉冲系统的设计具有较强的指导作用.

关键词： Spiking neural network   genetic algorithm   population   navigation system   mobile robot   trajectory control  

摘要： Artificial neural networks have a wide range of applications nowadays in which they ale used for intelligent information processing This paper deals with an application of spiking neural networks in autonomous mobile robot control The topology of the implemented spiking neural networks was developed through a modified genetic algorithm and through the process of autonomous interaction with the scene environment Since the genetic algorithm did not use a crossover operator we adapted the mutation operator adding a constraint that prevented creation of a new generation of population with weak individuals in comparison with the previous generation of population The paper proposes a parallel combination of both left and right local spiking neural network as well as a practical implementation of this pi position in the form of an intelligent navigation system in an autonomous mobile robot This design enhances the Implemented navigation system with a new cognitive property of intelligent information processing using a spiking neural network Having been adapted to the scene environment, the navigation system was able to make light decisions, change its direction and refrain from collision with the scene walls

关键词： Cohen-Grossberg neural networks   Equilibrium point   Global exponential stability   Impulsive effect   Time scales  

摘要： In this paper, we investigate a class of impulsive Cohen-Grossberg neural networks with time varying delays and distributed delays on time scales. By applying M-matrix theory and the nonlinear measure approach and constructing some suitable Lyapunov functions, sufficient conditions are obtained for the existence and global exponential stability of equilibrium point for a class of impulsive Cohen-Grossberg neural networks with discrete and distributed delays on time scales. © 2010 Academic Publications.

关键词： 脑-机接口   想象运动   特征提取   支持向量机  

摘要： 脑-机接口（brain-computer interface, BCI）是一种不依赖于大脑外周神经与肌肉正常输出通道的通讯控制系统,是在大脑与外部设备之间建立的直接交流通道。基于脑电的BCI技术是脑神经科学,认知科学,康复工程,现代信息学与计算机科学等学科共同发展的产物,实现了人脑意识信息与计算机等电子设备间的交换,对进一步研究人的思维机理,帮助有行为障碍的人康复都具有十分重要的作用。对脑-机接口的研究具有非常重要的科学意义、学术价值和广阔的应用前景,是当今世界研究的热点。 基于想象运动的脑电信号（electroencephalogram, EEG）不需要结构化的物理环境,是一种被广泛采用的思维作业方式。脑-机接口技术从实验室研究走向实际应用的关键在于对运动想象脑电信号的识别精度和识别速度问题。本文在总结前人工作的基础上,对脑电信号的采集、处理等问题进行研究。主要包括以下几个方面： 第一、进行系统信号采集模块设计。在实验室已有的脑电采集设备和信号采集软件基础上,根据本人的课题研究,设计相应的大脑想象运动任务实验。根据要求,使用VC++6.0编写出相应的脑电信号采集软件。 第二、对采集的脑电信号进行预处理。由于脑电信号非常微弱,在采集过程中容易受到各种噪声干扰的影响,对脑电信号必须进行去噪处理。本文主要通过小波变化、数字滤波等方法对采集到的信号进行处理,把信号中的无用成分包括心电、眼电、肌电等伪迹去除掉,提取其中的有效信息为后面的处理做准备。 第三、对脑电信号进行特征提取。特征提取的目的是将从预处理后获得的EEG信号变换为能代表不同意识任务的特征向量。能否提取出大脑思维活动中的有效特征信息是BCI研究的关键所在,是正确识别不同思维意识模式的基础。本文主要讨论自适应回归（Adaptive Autoregressive,AAR）模型、独立分量分析（Independent Component Analysis, ICA）、共用空间模式（Common Spatial Pattern,CSP）几种典型的特征提取方法,并进行比较。 第四、对脑电特征进行分类识别。采用何种分类设计是BCI系统中另一十分重要的任务,直接影响到BCI系统的性能。本文主要对Fisher线性判别法、神经网络、支持向量机（Support Vector Machine, SVM）几种分类方法进行探讨。

关键词： 脉冲耦合神经网络   形态学   脉冲噪声  

摘要： 通过总结脉冲噪声的特点和脉冲耦合神经网络以及数学形态学去噪的工作方式,提出了一种基于脉冲耦合神经网络模型和形态学的改进的脉冲噪声去除算法,该算法在一定程度上降低了在恢复图像的过程中噪声之间的相互干扰。实验结果表明,文章提出的改进算法的实验效果要明显优于中值滤波和数学形态学滤波算法,也要优于基本的基于脉冲耦合神经网络和形态学相结合的去噪算法。

关键词： 神经网络   脉冲   时滞   同步  

摘要： 为研究脉冲神经网络的动力学行为,基于驱动-响应概念分析了两种具有可变时滞的脉冲混沌神经网络的全局指数同步性.假设激活函数满足严格单调递增,用神经网络的权系数、自反馈函数及激活函数构造不等式.根据向量Lyapunov函数理论,得到了驱动-响应系统全局指数同步充分条件的方程,即该方程小于0.数值仿真结果证明了该充分条件的正确性.

关键词： 图像处理   概率神经网络   脉冲噪声   噪声检测   去噪   中值滤波  

摘要： 提出了一种用概率神经网络(PNN)检测图像随机脉冲噪声点方法。首先提取已知图像脉冲噪声像素点的特征作为PNN的输入,然后建立了PNN脉冲噪声点识别模型,再对其它噪声图像的每一个像点进行识别,最后只对噪声点进行中值滤波。Matlab仿真实验表明,同BPNN检测方法相比,该网络能明显提高识别正确率,因此有更好的脉冲噪声滤除效果,且该方法滤除脉冲噪声简单快速,是一种较好的神经网络图像脉冲噪声识别滤除方法。

关键词： 图像分割   脉冲耦合神经网络   最大相关准则   图像预处理   捕获强度  

摘要： 基于脉冲耦合神经网络(Pulse Coupled Neutral Network,PCNN)模型,提出了一种基于Canny算法的图像预处理方法,增强了图像的模糊边缘,提高或抑制了对应神经元的相似群捕获能力,利用最大相关准则确定神经元的衰减阈值和实现神经元相似群捕获强度的控制,避免了神经元完全捕获对分割图像的过平滑,成功实现了灰度图像的自动分割。该方法得到的分割图像取得了较好的结果,体现了更多细节,与相关文献相比,大大减少了神经元参数对分割结果的影响。

关键词： Cohen—Grossberg神经网络   谱半径   脉冲   时滞   指数稳定性  

摘要： 本文中,我们采用非负矩阵的谱半径和不等式分析技巧研究了具有时滞和脉冲的Cohen-Grossberg神经网络,得到了其平衡点存在性和指数稳定性的充分判据.在我们的结果中,去掉了函数ai(s)(i=1,2,…,n)的上界限制,从而推广了文献[2]的结果.