一种基于网络学习的图像特征融合新方法

提出了一种图像特征融合新方法,应用于分析和挖掘图像中蕴含的丰富信息.基于神经网络学习功能构建图像特征与内涵之间的映射关系,达到挖掘图像内涵的目的.研究以文物图像为研究对象,选择了100幅古建筑图像,提取图像特征信息及其蕴含的语义信息,构建神经网络学习样本库,训练神经网络学习.实验选取了6幅测试样本,神经网络学习结果验证了本文方法的可行性和实用性.     

基于RBF神经网络的混合气体智能检测系统研究

基于传感器阵列和神经网络构造智能系统用于检测混合气体的低质量分数.传感器阵列获取质量分数为1×10-6～5×10-6范围的H2,C2H4,C2H2混合气体响应和质量分数为5×10-5～3×10-4范围的CO响应.通过RBF神经网络学习改善低质量分数混合气体检测的灵敏度.把传感器响应作为神经网络输入,神经网络输出为H2,C2H4,C2H2和CO的质量分数.实例分析表明,系统能较好地克服低质量分数混合气体检测过程中普遍存在的交叉灵敏度,得到满意的检测结果.