基于小波变换和神经网络的视频文字检测

图像中文字的检测有广泛的应用范围。无论是出现在场景中的文字 ,还是以图形的形式附加在视频图像中的文字 ,都能提供重要的索引信息资源。在这篇文章中 ,我们实现了一种基于小波变换和人工神经网络的视频文字检测系统。它能检测出现在数字图像中的文字区域。我们的系统实现了一个层次间隔的特征提取器 ,其输出结果将送到一个用于提取文本区域的人工神经网络处理器 ,即智能分类器。分析出来的文字区域可以送往适当的光学字符识别系统。在对各种各样文本检测的试验中显示了我们的系统的性能。     

电力设备基于小波神经网络故障检测方法的仿真研究

提出了一种基于小波神经网络非线性观测器的故障检测方法。它是将规范正交的小波函数作为基函数网络中的基函数 ,得到小波神经网络。通过小波的去噪和神经网络的自学习功能 ,获取系统输入输出的非线性动力学特性 ,进而实时计算出残差并进行逻辑判决 ,可提高故障检测的速度和准确率。对同步交流电机的结构损伤故障进行了仿真 ,结果表明了该方法的有效性     

基于小波神经网络的油泵故障诊断

依据小波神经网络技术的各种优点，提出采用三层BP小波神经网络构造故障诊断模型，对油泵进行故障监测和诊断。该故障诊断方法对神经网络训练、故障特征参数提取和对应神经网络状态输出等均实现了数据库管理，对油泵多种常见故障取得了满意的诊断效果，不仅具有特征自动提取以及较强的自学习和自适应功能，而且操作维护简便。研究结果表明：信号的小波分析和神经网络识别的融合将为油泵状态监测与故障诊断系统的建立提供新的方法和更简便的途径；对油库安全维护与故障诊断具有重要意义。     

基于小波神经网络的信息系统综合评价模型

针对信息系统的特点和小波基具有很强的自适应性和函数变化能力,提出了一种基于小波神经网络的信息系统综合评价模型,并在最小均方能量准则下,采用相应的共轭梯度学习算法求解小波函数的尺度和时延参数,以及小波网络的权值。仿真实验表明该算法用于信息系统综合评价的有效性与准确性,为信息系统的评价研究提供一条新的途径。     

基于小波神经网络的国际铀资源价格趋势分析

铀资源是核能发展的物质基础。研究国际铀资源价格的走势对制定我国核能开发及利用的政策和发展规划具有重要的参考价值。构建小波神经网络,预测了国际铀资源价格的趋势。通过比较发现小波神经网络的预测精度高于与之结构相同的传统BP网络以及时间序列模型。研究表明短期内国际铀资源价格将呈下降趋势,而2至5年内将呈现先抑后扬的趋势,但相比2006-2007年仍处于价格的低位,建议在这一时期逐步增加铀资源的战略储备。     

基于小波神经网络的基建投资预测研究

基建投资预测是基建部门急需解决的问题之一,本文在分析已有预测技术的基础上,建立了相应的小波神经网络模型。运用历年天津市基建投资数据进行实证研究,为政府相关部门编制基建投资的规划提供有效的理论支持。     

基于小波神经网络的S&P500短期走势预测

将小波神经网络应用于S&P500短期走势预测,应用从1998年3月20日至1999年4月26日S&P500的每周数据,建立小波神经网络预测模型.训练后的小波神经网络不仅能准确地拟合S&P500的历史数据,而且能较精确地预测未来的短期走势.结果表明S&P500的小波神经网络预测模型比神经网络模型更为优越.     

基于Windows日志的主机入侵检测

Windows服务器自带的日志功能,实现了机器运转的流水记录,并产生大量日志数据.由于日志的可读性较差,使得管理员在进行排错分析时,往往需要很长时间才能从中提取有管理价值的信息.本文以Windows系统日志为数据源,结合数据库技术,实现基于日志的主机入侵检测.     

小波-神经网络在视频文本自动检测中的应用

数字视频数据中的文本能提供重要的语义信息,用具有良好时频局部特性和变尺度特性的小波分析方法,提取图像中的尺度一空域特征,经神经网络分类器进行分类后,自动检测视频数据中的文本信息,为基于内容的视频检索提供索引．实验表明该检测方法效果良好。     

基于改进量子遗传算法的小波神经网络优化及其软测量应用

针对简单量子遗传算法在优化高维问题寻优速度慢、收敛率低的缺陷,提出一种改进的量子遗传算法,通过搜索各种群中最优染色体组成当前最优个体,并依此个体来确定量子门的全局最优搜索方向。将改进算法用于优化小波神经网络,藉此建立了4-CBA浓度的软测量模型。仿真结果表明:与简单量子遗传算法相比,改进算法对复杂优化问题具有全局快速寻优性能。     

神经网络算法在智能体IDS系统中的应用

结合网络入侵和主机入侵方面的检测能力,构建了基于智能体的分布式入侵检测系统的体系结构模型。重点讨论了神经网络入侵检测算法。针对传统的BP网络在入侵检测应用中学习收敛时间和性能上的不足,提出了变速度回归神经网络(采用了批处理技术和动量方法)检测算法,通过对网络数据集的测试表明,该算法较传统BP网络,其学习训练次数大大降低,学习能力显著提高。     

基于模糊神经网的入侵检测模型研究

对自组织特征映射(SOM)神经网络进行了概括分析,并结合模糊逻辑的思想对SOM网络的学习算法进行了模糊化改进。将模糊SOM技术应用到网络入侵检测中并应用MATLAB进行仿真。试验结果表明基于模糊神经网络的网络入侵检测方法能有效降低误报率。     

基于免疫算法和神经网络的新型抗体网络

构建了基于免疫算法和神经网络的新型抗体网络入侵检测系统,系统与网络入侵检测功能相结合,应用于大型网络的入侵检测任务,具有良好的可扩充性;重点讨论了新型抗体网络原理,引进BP神经网络自学习能力,对已有的抗体网络模型进行改进;通过对网络数据集的测试表明,该算法相对于传统抗体网络,其检测效率得到了明显的改善。     

一种基于移动代理的入侵检测系统框架

为了提高入侵检测系统的效率和灵活性,提出了一种基于移动代理的入侵检测系统框架。分析了已有的入侵检测系统,研究了移动代理的实现及如何保证移动代理和移动代理运行环境的安全。该框架对建立一个有效的入侵检测系统有一定的理论和现实意义。     

采用自适应GHA神经网络的分类器设计

介绍了一种自适应逼近数据实质维的GHA神经网络学习算法。基于主元子空间分解的思想,给出了基于该算法的分类器刻画方法,对其中的刻画参数给出了详细的界定。该分类器采用监督学习机制进行训练,可以自动学习输入的主元特征子空间维数。在入侵检测领域,利用KDD CUP 1999数据集对该方法进行了仿真。采用正常连接数据训练GHA异常检测分类器,利用拒绝服务攻击数据进行了误用检测训练。并将测试结果与其他入侵检测方法进行了比较。     

小波神经网络的构造及其算法的鲁棒性分析

研究了用于非线性函数逼近的小波神经网络的结构设计方法;证明了在存在噪声干扰及网络设计误差的情况下,网络训练过程具有指数收敛性和鲁棒平稳性。