期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
基于模糊自适应共振网络简化模型方法的乳腺肿瘤基因分类
1
作者 陈志宏 严壮志 刘书朋 《上海大学学报(自然科学版)》 CAS CSCD 北大核心 2006年第4期354-358,共5页
以乳腺肿瘤的基因微阵列实验所产生的基因微阵列表达数据为研究对象,针对大规模基因表达模式分析的特点,提出基于模糊自适应共振网络简化模型的基因表达数据分类方法,并在此基础上实现了BRCA1变异和BRCA2变异的乳腺肿瘤分类.利用Hedenf... 以乳腺肿瘤的基因微阵列实验所产生的基因微阵列表达数据为研究对象,针对大规模基因表达模式分析的特点,提出基于模糊自适应共振网络简化模型的基因表达数据分类方法,并在此基础上实现了BRCA1变异和BRCA2变异的乳腺肿瘤分类.利用Hedenfalk的基因微阵列数据,对BRCA1变异和BRCA2变异作分类计算,计算结果达到78%以上的正确率. 展开更多
关键词 遗传性乳腺肿瘤 基因表达数据 模糊自适应共振网络简化模型
在线阅读 下载PDF
基于Fuzzy-ART神经网络的红外弱小目标检测 被引量:5
2
作者 陈炳文 王文伟 秦前清 《系统工程与电子技术》 EI CSCD 北大核心 2012年第5期857-863,共7页
针对现有背景抑制算法未能有效抑制背景而导致目标检测率低的问题,提出了一种基于模糊自适应共振理论(fuzzy adaptive resonance theory,Fuzzy-ART)神经网络的弱小目标检测算法。首先,采用Fuzzy-ART神经网络结合Robinson警戒环技术,建... 针对现有背景抑制算法未能有效抑制背景而导致目标检测率低的问题,提出了一种基于模糊自适应共振理论(fuzzy adaptive resonance theory,Fuzzy-ART)神经网络的弱小目标检测算法。首先,采用Fuzzy-ART神经网络结合Robinson警戒环技术,建立自适应局部空间背景模型,并以此分析像素点的背景模糊隶属度来抑制背景杂波;然后依据目标与残留背景杂波的空间特征采用模板均差法来突显目标,并提出基于行列模糊聚类的自适应分割算法来提取候选目标;最后结合目标的运动连续性进行多帧轨迹关联从而检测出真实目标。理论分析与实验结果表明,该算法能随背景的局部情况来自适应调节空间背景模型,从而自适应抑制背景杂波、突显目标,能有效提高信噪比,检测出弱小目标。 展开更多
关键词 模式识别 弱小目标检测 模糊自适应共振理论神经网络 Robinson警戒环 自适应分割
在线阅读 下载PDF
基于多值免疫网络的红外与可见光协同目标检测
3
作者 陈炳文 王文伟 秦前清 《红外与毫米波学报》 SCIE EI CAS CSCD 北大核心 2014年第6期654-659,共6页
采用模糊自适应共振神经网络建立红外与可见光各自的背景模型;依据多值免疫网络模型,将红外背景模型视为B细胞,可见光背景模型视为T细胞,设计一系列免疫应答策略来协同建立B细胞与T细胞的交互模型,并以此分析各像素点的背景模糊隶属度... 采用模糊自适应共振神经网络建立红外与可见光各自的背景模型;依据多值免疫网络模型,将红外背景模型视为B细胞,可见光背景模型视为T细胞,设计一系列免疫应答策略来协同建立B细胞与T细胞的交互模型,并以此分析各像素点的背景模糊隶属度来检测目标.实验结果表明,该算法的F1指标高达96.4%,能有效协同互补红外与可见光信息,检测出复杂场景下的目标. 展开更多
关键词 目标检测 红外与可见光监控 多值免疫网络 模糊自适应共振神经网络
在线阅读 下载PDF
FART神经网络的改进及其在晶圆在线监测中的应用
4
作者 王令群 郑应平 孔祥洪 《实验室研究与探索》 CAS 2008年第11期6-9,共4页
对模糊自适应共振理论(FART)神经网络进行改进,使用改进的FART神经网络对半导体生产线晶圆合格率进行在线检测,对晶圆合格率特征向量进行聚类分析,将合格率损失中拥有相类似特征的晶圆分为一类,一旦检测到生产线发生异常,便可找出故障... 对模糊自适应共振理论(FART)神经网络进行改进,使用改进的FART神经网络对半导体生产线晶圆合格率进行在线检测,对晶圆合格率特征向量进行聚类分析,将合格率损失中拥有相类似特征的晶圆分为一类,一旦检测到生产线发生异常,便可找出故障设备并及时维护,从而使生产线处于高生产率状态。 展开更多
关键词 模糊自适应共振理论神经网络 半导体生产线 聚类分析
在线阅读 下载PDF
一种基于时频原子特征的雷达辐射源信号识别方法 被引量:12
5
作者 王希勤 刘婧瑶 +1 位作者 孟华东 刘一民 《红外与毫米波学报》 SCIE EI CAS CSCD 北大核心 2011年第6期566-570,共5页
提出了一种全新的基于时频原子特征的雷达辐射源信号识别方法.训练阶段,在过完备时频原子库的基础上,以类区分度为度量,提取少数最能区分不同类别信号的时频原子作为一组固定的特征;识别阶段,以原子和信号的内积的绝对值作为分类器的输... 提出了一种全新的基于时频原子特征的雷达辐射源信号识别方法.训练阶段,在过完备时频原子库的基础上,以类区分度为度量,提取少数最能区分不同类别信号的时频原子作为一组固定的特征;识别阶段,以原子和信号的内积的绝对值作为分类器的输入特征,采用有监督模糊自适应共振网络进行辐射源的自动识别.对5类典型雷达辐射源信号的实验结果表明,该方法大大减小了识别过程中特征提取的计算量,输入特征具有类内聚集性强、类间区分度大的特点,在信噪比大于3 dB时可以获得高的识别正确率. 展开更多
关键词 雷达辐射源 特征提取 时频原子 类区分度 模糊自适应共振网络
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部