叶微
- 作品数：4 被引量：10H指数：2
- 供职机构：空军工程大学理学院更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 图像脉冲噪声的概率神经网络识别滤波方法被引量：1
- 2009年
- 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。
- 蔡继亮叶微
- 关键词：概率神经网络脉冲噪声噪声检测中值滤波
- 基于概率神经网络的空袭目标识别被引量：6
- 2010年
- 针对BP网络的不足,提出基于概率神经网络(PNN)进行空袭目标识别的方法。首先提取空袭目标的速度、高度、机动加速度和雷达反射面积等特征并进行归一化处理,作为输入层数据,然后建立了概率神经网络目标识别模型。M atlab仿真实验表明,该方法识别空袭目标简单快速且准确率高,具有良好应用前景。
- 蔡继亮叶微
- 关键词：目标识别
- 改进的带有局部搜索算子的量子粒子群算法被引量：2
- 2010年
- 带有局部搜索算子的量子粒子群算法(MQPSO-LQPSO)是一种较成功的改进的QPSO算法,但是该算法在搜索震荡的不足,在一定程度上降低了搜索效率。针对该问题,提出了一种改进方法,将LQPSO搜索得到的最优粒子替换MQPSO的Gbest和当前群中适应度最佳的粒子和最差的粒子。在标准测试函数上的仿真实验结果表明,改进的算法在不改变原有算法框架和不引入新的参数条件下,提高了MQPSO-LQPSO的搜索能力和计算效率。
- 蔡继亮叶微
- 关键词：量子粒子群算法搜索效率
- 基于MQPSO-LQPSO的RBF神经网络训练方法被引量：1
- 2010年
- 带有局部搜索的量子粒子群算法是一种较为成功的改进型量子粒子群算法。将该算法用于RBF神经网络的结构优化和参数优化,在确定网络参数的同时也确定了网络的结构。在函数逼近上的仿真实验表明,这种优化是有效的。
- 蔡继亮叶微
- 关键词：RBF神经网络结构优化参数优化
