基于BP神经网络的数字识别

介绍了字符识别的几种方法及神经网络的基本原理,并将BP神经网络应用于数字识别,选取最佳的隐含层节点数及训练样本个数,实现了基于BP神经网络的数字识别。仿真试验结果表明,BP神经网络可以对阿拉伯数字进行快速、准确的识别,具有广泛的应用前景。     

基于D—S证据理论的管道多传感器数据融合

为了保证管道检测的准确度与可信度,通常需要采用多种检测技术即多传感器对同一部位进行检测,但检测的数据量大繁冗,需要进行融合与处理。利用D—S（Dempster—Sharer）证据理论,建立了应用于管道多传感器数据融合的流程模型,阐明了数据的融合流程。算例中根据各个不同传感器对不同缺陷的检测置信度,利用D—S证据理论对检测数据进行有效融合,最后根据D—S规则对缺陷类型进行判定。结果表明：在检测过程中利用D—S进行数据融合,保留置信度高的数据,可以得到更明确的判决结果,舍弃干扰数据,节省存储空间,有利于数据存储,实现长距离智能检测。（图2,表2,参11）     

基于灰色神经网络和证据理论预测地下水位的研究

用灰色GM(1,1)模型、BP神经网络模型和证据理论相结合而成的灰色证据神经网络模型,对山东枣庄区域地下水位进行预测。基本思路是运用灰色GM(1,1)模型所得到的预测值按前两年来预测下一年的组合规律分别作为BP神经网络的输入输出;再用BP神经网络输出作为证据理论基本可信度分配函数,使用D-S理论将信息进行二次融合;并用地下水位实测数据对模型进行验证。结果表明,预测模型具有可行性和实用性,为生态农业规划发展提供了科学依据。     

基于BP神经网络的水稻卷叶识别

[目的]对水稻卷叶进行分类识别,为研究水稻的抗旱性和实施自动化农业、精准农业提供技术支持.[方法]通过数字图像处理方法提取5个水稻特征数据,即水稻的周长面积比、水稻面积与水稻最小外接矩形的面积比、水稻的计盒维数、水稻面积与水稻凸包的面积比、水稻绿色部分面积占比;运用MATLAB构建BP神经网络,依据水稻特征数据对水稻卷叶进行分类识别.[结果]在提取的5个水稻特征数据中,有助于分类的特征包括水稻的周长与面积比、水稻面积与最小外接矩形面积比及水稻的绿色部分占比3个特征.在300组样本数据的分类中,总体样本分类正确率达96.47%,训练样本分类正确率达96.61%,验证样本分类正确率达96.17%,测试样本分类正确率达96.33%.因此,采用BP神经网络对水稻卷叶的识别程度高达90.00%以上,具有良好的分类效果.[建议]今后应对水稻卷叶的类别多分几类进行识别,还应将BP神经网络对水稻卷叶进行分类识别的过程实现自动化,并广泛应用于水稻的学术研究和现实生产.     

基于神经网络和证据理论融合的水电机组振动故障诊断研究

以D em pster-Shafer证据理论为基础,提出了一种神经网络局部初步诊断与证据理论融合决策诊断相结合的水电机组振动故障诊断方法,通过故障征兆信息的有效组合,从不同侧面对水电机组振动故障进行了初步诊断,对每一个子神经网络的输出结果归一化处理后,作为此证据下各种状态的基本概率分配函数,再用证据组合理论融合各个证据信息,得出最终的诊断结果。仿真试验结果表明,诊断结论的可信度显著提高,不确定性明显减少,证明了该诊断方法是有效的。     

基于灰色理论的BP神经网络入侵预测模型

提出一种基于灰色理论BP神经网络的网络入侵预测方法。针对传统的预测方法难以高效预测大规模网络的复杂攻击行为,利用基于灰色理论的BP神经网络算法,对网络传输中的数据包建立模型、分析和检测识别,结果表明了改进后的入侵预测模型具有更好的预测精确度和效率。     

基于BP神经网络和D-S理论的塔里木河输水目标预报研究

针对神经网络输水目标模型输出的不稳定性,提出采用神经网络与证据理论相结合的输水目标(BPDS)模型.采用BP神经网络输出作为基本可信度分配函数,使用D-S理论将信息进行二次融合.并用输水实测数据对模型进行验证,结果表明预测模型具有可行性和实用性,为塔里木河流域水资源的合理利用以及水权目标管理提供了科学依据.     

基于DS证据理论的精馏塔故障诊断方法

研究了一种基于多传感器信息融合算法对精馏塔出现的故障进行诊断的方法。首先利用小波分析对精馏塔传感器信号进行有效的滤波预处理,预处理后的数据送入BP神经网络进行初级融合,然后将初级融合后的数据当作DS证据理论的证据对精馏塔故障进行诊断,由最终概率赋值结果可知最大可信度,则可以判断故障的发生。仿真结果显示该算法比单信息故障诊断能取得更准确、更可靠的诊断结果。     

基于证据理论的农用车辆评价方法

基于证据理论,提出了用于处理不确定性农用车辆评价的证据推理方法．在该方法中,扩展了 ２ 种组合算法,以便集合多个不确定性主观判断． 这为购买农用车辆的决策者提供了重要依据,并且在工程和经济领域中有实际应用价值     

基于PCA和BP神经网络的万寿菊黑斑病孢子识别

针对万寿菊黑斑病难于防治的问题,采用基于主成分分析和BP神经网络的识别方法,对万寿菊黑斑病病原菌(Alternaria tagetica)无侵染力和有侵染力的孢子进行精确识别。首先利用图像处理技术对病原菌孢子显微图像进行分割,选取3个颜色特征(R、G和V)、5个形状特征(Hu不变矩中的H2、H3、H4、H5和H6),以及3个纹理特征(R、G、B3个分量的对比度)共11个特征用于病原菌孢子分类识别。为提高识别速度和精度,利用主成分分析法(PCA)对11个特征进行优化和筛选,采用基于L-M算法的BP神经网络对万寿菊黑斑病病原菌的孢子进行分类识别。试验结果表明,经主成分分析后得到的第一、第二主成分能够有效减少BP网络训练时间和提高识别准确率,平均识别准确率达到98%。该方法能够精准识别万寿菊黑斑病病菌有侵染力和无侵染力的孢子。     

基于GIS的BP神经网络洪涝灾害评估模型研究

洪涝灾害损失的大小不仅与洪灾的自然属性有关,还受地形、天气气候、人口、社会经济状况及其分布等因素影响.基于GIS技术及其背景数据,实现GIS空间信息单元格点上淹没水深的模拟和空间社会经济数据的展布,并针对影响洪涝灾害评估的复杂因子对各空间单元格点损失评估的不确定性和复杂性,提出了BP神经网络计算方法,运用matlab神经网络工具箱实现区域洪涝灾害的快速评估,建立了基于GIS的BP神经网络洪涝灾害评估模型.运用此方法,通过少量的样本资料,对鄱阳县洪涝灾害经济损失个例进行评估,评估结果误差为12%.     

基于二分法与BP神经网络的牛乳体细胞识别

牛乳体细胞的分类计数是判断奶牛乳腺炎及牛奶质量的重要指标。为了提高牛乳体细胞的识别率,提出了基于二分法与BP神经网络结合的牛乳体细胞识别算法,对4类牛乳体细胞进行图像特征提取,选择了3类经过特征选择的几何特征和1类通过局部二进制模式(local binary pattern,LBP)描述的纹理特征,并将多级BP神经网络分类器结构应用到分类识别中。实验证明,树形结构的分类器预测效果理想,进行三次二分类后的识别率达到了95.76%。     

基于灰色理论和BP神经网络预测观光农业旅游人数的研究

运用灰色GM(1,1)预测模型与BP神经网络预测模型相结合而成的灰色神经网络模型,对山东枣庄市旅游人数进行预测。基本思路是运用灰色GM(1,1)模型所得到的预测值按前2年来预测下一年的组合规律分别作为BP神经网络的输入输出,并用旅游人数数据对模型进行学习验证。为山东枣庄市沿运区域旅游资源的合理利用及管理提供了科学依据,并以科学预测为依据提供一些观光农业旅游资源合理开发对策。     

基于BP神经网络模型的森林资源蓄积量动态估测

以浙江省庆元县2007年森林资源二类调查数据为样本数据,选择树龄、海拔、坡度级、土层厚度、A层厚度、郁闭度6个指标作为自变量因子,利用基于BP神经网络的预测模型,分优势树种对森林资源蓄积量进行预测。试验结果表明,自变量因子与因变量(蓄积量)之间具有较好的相关性。今后研究中若能加入一些其他影响因子(如太阳辐射指数、地形湿度指数等),并结合高精度的遥感影像(如天地图),然后再对数据进行一定的预处理,则研究结果将完全可能用于辅助森林资源调查。     

基于BP神经网络的旅游资源评价模型分析

当前关于旅游资源评价具有很强的主观色彩,各评价模型中变量多、非线性强.BP神经网络模型利用MATLAB计算程序对旅游资源进行评价,能最大程度避免主观因素对评价结果的影响.利用文献比较法、理论分析法和专家咨询法,构建包含7个一级指标和16个二级指标的评价指标体系,在此基础上设计了评价模型,重点分析了评价模型中误差取值,并...     

基于BP神经网络的日光温室气温预报模型

为建立日光温室中短期气温预报模型,以2个冬季生产季的日光温室实时气温观测资料为基础,利用BP神经网络建模和曲线拟合的方法,对日光温室1~7d气温预报模型进行了研究。结果表明:1)以室外气温为输入要素的温室气温预报模型,最高气温预报值与观测值的符合度指数(D)为0.68~0.93,均方根误差(RMSE)为3.1~6.3℃;2)最低气温预报值与观测值的符合度指数(D)为0.81~0.95,均方根误差(RMSE)1.5~2.2℃;3)日光温室内最低气温预报绝对误差小于2℃的预报准确率Rate(≤2℃)为78%~95%;4)逐时气温预报模型预报值与实测值的符合度指数(D)为0.95~0.99,均方根误差(RMSE)为1.0~2.8℃,逐时气温预报模型预测准确率较高。结合目前气象台站"周预报"结果,模型可较准确地预报温室内1~7d最低气温,并模拟日光温室内气温的逐时变化,可为冬季日光温室低温灾害预警及室内气温调控提供有益参考。     

基于BP神经网络的成熟棉桃识别研究

在成熟棉桃识别过程中,提出一种采用BP神经网络实现棉桃识别的方法。利用图像处理的方法,分析并获得棉桃、棉叶的面积、主轴、长度和宽度4个变量,通过归一化处理,作为神经网络的输入变量,通过调节神经网络的参数值对神经网络进行优化训练,利用训练后的网络就可以对处理后的棉桃进行识别。实验结果表明,训练后的神经网络能够以较高精度进行棉桃的识别。     

基于BP神经网络的棉花水分检测仪设计

采用2-6-1拓扑结构的BP神经网络,运用容阻脉冲转换、智能现场总线等技术,设计了能进行水分的非线性校正和温度补偿的便携式棉花水分检测装置。检测结果表明:经过BP神经网络校正和补偿后,在-20～50℃温度范围内,棉花水分在5%～15%时,测量误差小于±0.4%;棉花水分在15%～25%时测量误差小于±0.5%。该检测装置在很大程度上消除了温度变化对水分测量值的影响,提高了检测信号的抗干扰能力,满足了棉花水分智能检测的要求。     

基于D-S证据理论的天然气管道可靠性评价

针对现有的天然气长输管道可靠性分析方法主要依赖于专家意见,当其意见不一致或主观性较强时,将影响对管道事件概率估算准确性的问题,描述了基于D-S证据理论的信度模型的建立步骤。利用该模型对天然气管道进行了可靠性分析,将多位专家对同一评判对象不一致的判断,根据其可信度进行了处理。该模型解决了由于专家专业知识和经验的片面性以及判决的主观性造成的天然气管道可靠性分析偏差的问题,极大地提高了分析结果的可靠性。但由于D-S证据理论尚存在一些不足,因此必须建立统一的标准使得模糊语言与模糊数保持统一性和一致性,以进一步提高管道可靠性分析的准确性。     

基于BP神经网络的大气环境质量评价模型

依据BP人工神经网络原理,以MATLAB为工具,建立了某市大气环境质量评价模型,评价了该市1月上旬大气环境质量状况,并与灰色聚类法、模糊综合评价法的评价结果进行比较,得到了较为一致的评价结果。