简介:随着计算机处理能力的快速提高,彩色图像处理受到人们越来越多的关注。针对现有纹理识别算法计算速度慢,识别精度低等问题,本文提出了一种将颜色信息融人到纹理识别中的新方法——基于小波概率神经网络的彩色纹理识别。首先将RGB彩色纹理图像转化为HSV彩色模型,用小波变换(wT)进行树形结构小波分解提取彩色纹理的特征,然后使用概率神经网络对测试样本进行分类识别。本文对不同的自然纹理图像进行了实验,并将实验结果与文献”0做了比较。实验结果证明,本文方法的识别效果明显优于文献。
简介:针对无人动力伞在执行任务时常常在低空、城市上空等复杂气流环境飞行,无人动力伞的响应特性受到飞行速度、航向角和各种风的综合影响,具有的非线性和不确定性.导致事先设计的控制规则不再适合,对此基于PID的控制算法难以达到满意的控制效果.本文提出了一种模糊神经网络控制无人动力伞航向控制策略,利用RBF神经网络所特有的局部逼近能力,对模糊控制规则进行在线推理并获得连续输出,采用GA算法对神经网络参数进行调整来实现对模糊控制器规则库的优化和模糊规则的自动生成.使控制器能够进一步适应无人动力伞实时控制中的时变性和不确定性,保持良好的控制性能;仿真表明算法是可行的.
简介:港口吞吐量预测是港口决策和规划的基础。为了合理预测港口吞吐量,本文利用外贸进出口总量、第一产业总产值和第三产业总产值作为BP神经网络的输入变量,港口吞吐量为输出变量,建立了港口吞吐量预测的BP神经网络预测模型。然后根据2000年-2010年广西北部湾港口吞吐量、外贸进出口总量、第一产业总产值和第三产业总产值,利用Matlab6.5软件的神经网络工具箱,通过对BP神经网络模型的反复训练,发现当隐含层节点数为6,学习率为0.05,训练次数为500次,训练精度为0.001,动力因子为0.9时得到的效果最好。并对BP神经网络模型与多元回归模型的预测结果进行比较分析,认为BP神经网络模型预测的总体效果更优。最后利用所确定的BP神经网络模型,对2011年和2012年两年的港口吞吐量进行了预测。
简介:文章研究了利用非破坏性参量预测发电机主绝缘的剩余击穿电压,大型发电机主绝缘的非破环性参量主要有直流特征参量、交流特征参量、介质特征参量、局部放电特征参量和非电特征参量这五类。通过分析得到了介质特征量与局部放电特征量这两类参量适合预测剩余击穿电压的结论。紧接着用皮尔森积矩法作了这两类参量与剩余击穿电压的相关性分析,最终获得了四个与剩余击穿电压有较大相关性的非破坏性参量。本文筛选的网络模型经训练后取得了良好的预测效果:预测值与实际值的最大相对误差为0.93%,最小相对误差仅为0.01%。由此证明通过BP神经网络预测大型发电机主绝缘剩余击穿电压是可行的。
简介:根据先进星载热发射和反辐射计(ASTER)图像获取滑坡相关因素,并利用地理信息系统(GIS)开发、应用和验证韩国Boun地区滑坡脆弱性分析的综合技术。从ASTER图像中获取数字高程模型(DEM)、线性特征、归一化差值植被指数(NDVI)和土地覆盖因素并进行分析。根据DEM地形数据库评估边坡、方位和曲率。根据已有空间数据库并利用频率比(FR)、逻辑回归(LR)和人工神经网络模型(ANN)鉴定和量化检测的滑坡位置与6种相关因素之间的关系。在叠加分析中把这些相互关系用作因子额定值以创建滑坡脆弱性指数和滑坡脆弱性图。随后,在FR、LR和ANN模型中作为新输人因子结合并应用3种滑坡脆弱性图,从而创建改进的滑坡脆弱性图。通过对比在模型实验中未使用的已知滑坡位置来验证所有这些滑坡脆弱性图。对比利用3种滑坡相关输入参数创建的改进精度的综合滑坡脆弱性图(FR}莫型为87.00%;LRN型为88.21%;ANN模型为86.51%)与利用ASTER图像中6种因素创建的单独滑坡脆弱性图(FR丰莫型为84.34%;LR模型为85.40%;ANN模型为74.29%)。
简介:摘要准确的预测风力发电机组的输出功率对电力系统稳定、电力系统调度和风电场运行都具有重要意义。从数学模型及风机实际获得的数据出发,分析出风速、风向、空气密度、大气压强对风力发电机组输出功率的影响。设计了基于数值天气预报(NWP)的径向基函数(RBF)神经网络风电功率短期预测模型。应用该模型进行了24h后的风电输出功率预测,预测误差在11%附近,表明该方法预测精度较高。