导读:本文包含了自组织识别论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:组织,神经网络,增量,网络,参量,星图,组织网络。
自组织识别论文文献综述
张圆,李精忠,帅赟[1]（2018）在《使用自组织映射网络识别城市道路主要结构》一文中研究指出城市道路中主要结构的识别在路网综合、多尺度路网建模、导航等方面起着关键作用。本文提出一种使用自组织映射(SOM:the Self-Organizing Map)网络来同时识别城市道路中多行道和立交桥的方法。首先计算道路网眼的几何形态特征指标,然后利用SOM对道路网眼进行分类,根据得出的网眼和道路的空间关系来提取路网中的主要结构。实验结果表明,该方法能有效地识别出城市道路中的多行道和立交桥。(本文来源于《测绘与空间地理信息》期刊2018年10期）
刘烟,席红霞,曹珺,曲海波,宋崇金[2]（2018）在《结合自组织映射网络及叁角形算法的星图识别方法》一文中研究指出叁角形方法是最经典且应用最广的星图识别方法之一,但是存在搜索范围大、匹配冗余、抗噪能力弱等问题。将神经网络技术应用到星图识别过程中,结合自组织映射网络(SOM)优秀的分类能力和叁角形算法可靠的角距匹配能力,提出了一种新的识别方法。该方法基于邻近星的分布来构建每颗导航星的特征向量,将其作为SOM网络的输入向量,通过训练得到具有分类识别功能的网络及相应的叁角形库。识别阶段,输入待识别星的特征向量,网络输出识别类,在该类对应的叁角形库中应用叁角形算法查找匹配叁角形,完成星图识别。试验发现该方法减小叁角形搜索范围、实现快速匹配的同时,提高了识别系统的抗噪能力,在全天识别过程中平均识别时间低于5ms,识别率在噪声标准差为0.025时仍高达99%。(本文来源于《中国空间科学技术》期刊2018年04期）
刘建文,周玉科,梁娟珠[3]（2018）在《基于自组织映射的北京主体功能区识别研究》一文中研究指出主体功能区的划分对于我国构建高效、协调、可持续发展的国土开发格局具有重要意义。本文利用自然环境(NDVI、坡度等)和人类社会活动(夜间灯光、POI点等)两类数据,构建了12个因子,采用Self-Organizing Map(SOM)神经网络和层次聚类法,对北京城市功能区进行分类,并结合经典功能区分类和Google Earth目视验证进行了主体功能区的划分。结果表明,由于SOM神经网络能够保持输入数据的拓扑关系及非线性的特征,基于SOM神经网络的层次聚类法具有较强的通用性及抗干扰能力,对于多源数据的城市用地分类有较大的应用潜力。同时表明,北京市主体功能区由中心城区向外呈优化开发、重点开发、限制开发的环形分布特征,各区之间呈"点-轴-面"协调发展的空间结构特征。(本文来源于《测绘与空间地理信息》期刊2018年03期）
唐海涛[4]（2016）在《自组织增量神经网络的验证码识别模型与算法》一文中研究指出计算机互联网的普及使图像技术越来越受到人们关注,用户对图像信息识别以及安全意识也越来越强,其中验证码图像识别在初级的信息安全保证领域以及日常图像处理领域等方面有较广泛的应用。不仅涉及到日常生活的手机指纹解锁、PC打卡等,同时,也涉及到敏感的军事目标识别、交通主动安全规避等领域。故无论民用还是军用,对验证码识别技术的研究都具有重要的实际和理论指导意义。由于实际运用中的验证码数据存在更新迭代频率快、数据积累量大以及数据冗余性高等特点,使得传统的验证码识别模型(即每次新数据载入后模型都需要重新对全部数据进行学习)在面对增量数据识别时不仅计算成本较高(主要成本为时间和空间),而且识别效果不佳。为了更好的适应实际运用需求,进一步降低验证码识别模型对时间和空间的依赖成本,本文结合相关图像识别技术,围绕着图像去噪、切割、离线识别、在线增量识别进行算法分析、建模、设计与实验仿真展开。本文以基础文本验证码(包括a-z, A-Z,0-9,共计62个基础字符)为研究对象,提出一种基于PNN-SOINN-RBF网络构建的自组织增量神经网络模型对验证码进行识别,首先对验证码进行去噪、切割图像预处理；其次,通过离线数据对SOINN-RBF模型进行训练学习先验知识；最后,通过PNN对字符进行预判别,接着将新数据不断输入到SOINN-RBF网络中进行增量学习(结合节点增、删策略),实现离线模型与在线模型的转换。模型借助了RBF、 PNN模型的分类识别能力以及SOINN的数据表征能力,其整体识别效果得到了实验验证。经实验表明,基于PNN-SOINN-RBF网络模型对于验证码识别有较高实用性和准确性,其中,离线、在线模型在验证集中的单个字符整体识别预测准确率依次为72.75%、50.25%,其验证码综合识别准确率依次为29.31%、20.47%。离线、在线模型在验证集中引入新数据后对于单个字符识别准确率依次为60.44%、78.78%,其综合识别准确率依次为23.05%,28.83%。本文构建的算法为增量学习方法提供了模型框架参考,同时,本文的模型体系可拓展至不平衡、高复杂、非线性的大数据预测应用领域。(本文来源于《广东工业大学》期刊2016-05-01）
李昱鑫[5]（2015）在《基于自组织的工程图纸智能识别技术研究》一文中研究指出工程图纸识别就是把经过扫描后的光栅图像转换为能够被CAD技术使用的矢量格式图形。工程图纸识别涉及到计算机视觉、模式识别、图像处理等学科领域,它是工程图纸重复利用,目标检测,图像分析理解等应用的基础,在建筑、机械、电子设计等领域有着广泛的应用前景,具有很高的研究价值。本文对工程图纸中常见的圆弧和直线的识别算法以及工程图元整体识别方法进行了深入研究。主要研究工作如下:(1)针对工程图纸识别过程中圆弧检测准确率不高,检测时间过长等问题,提出了一种基于切线段匹配的快速圆弧检测算法。首先,找出可能位于圆外边界上八方向与圆相切的线段,并添加到切线段集合中;然后,对已找到的切线段进行配对,估算圆心半径,得到候选圆集合;最后,对候选圆集合进行数据合并,之后,对每一个候选圆进行跟踪检测。(2)针对工程图纸识别过程中直线检测需要预处理,准确率不高,鲁棒性差等问题,提出了一种基于种子段约束的随机抽样直线检测算法。首先,构造种子段;然后,根据种子段信息进行随机抽样,获得局内点局外点信息,当局内点与总点数的比值大于预先设定的阈值,则说明抽样两点可构成直线段;最后,对获取的直线段进行跟踪延长。(3)针对工程图纸识别层次较低的问题,引入自组织思想,提出了基于自组织的整体识别方法。首先通过像素进行直线圆弧的识别,得到基础矢量;然后从基础矢量数据中进行工程图元的识别,得到图元数据。基础矢量为工程图元的识别提供源泉,反过来工程图元信息又为基础矢量提供约束指导。工程图纸识别在相关数据的相互依赖,相互作用中协调进行。本文对所提圆弧与直线检测算法进行有效性验证试验以及对比试验,实验结果表明本文的方法能够有效地对圆弧和直线进行识别,并有较高的准确性和快速性。(本文来源于《沈阳建筑大学》期刊2015-11-01）
吴梅林,吴鹏[6]（2015）在《自组织特征映射神经网络识别珠江口夏季水质空间格局》一文中研究指出通过建立珠江口2009年夏季水质综合评价的自组织特征映射网络模型,探索了珠江口不同河段水质状况。结果表明,利用自组织特征映射网络人工神经网络可以直观清晰地对珠江口海域水质空间进行分类。珠江口海域水质可分为叁大类,第一类为受到人类活动影响显着的广州河段区域;第二类为内伶仃洋海域,该区域主要受到咸淡水混合的影响;第叁类为主要受到外海水交换影响的外伶仃洋海域。结果阐明人工神经网络模型能为珠江口环境保护与生物资源可持续利用提供科学的决策依据。(本文来源于《生态科学》期刊2015年03期）
邓忠[7]（2015）在《基于车载自组织网的车辆状态识别与驾驶行为评估》一文中研究指出汽车工业的迅猛发展和城镇化进程的不断加快,带来的交通拥堵与道路安全问题日益严重。发展车载自组织网络技术,推动智能交通系统的建设,对提高交通效率和保障车辆安全意义重大。目前,驾驶员仍然是车辆安全的控制主体,协助驾驶员保持更安全的驾驶状态是车载自组织网络技术的研究重点之一。本文主要研究基于车载自组织网络的车辆状态识别算法和驾驶行为综合评估方法。通过车载单元的传感装置实现车辆运动状态的有效识别,利用车载自组织网络的数据通信,实现车载自组织网络内车辆状态的相互感知。设计基于历史行车数据的驾驶员驾驶行为综合评估算法,对驾驶员整体状态和驾驶表现进行定量评估。论文的主要工作如下:(1)研究车辆运动状态识别技术,通过加速度传感器和陀螺仪感知车辆运动状态;采用危险等级划分算法和采集到的实验数据对驾驶行为状态进行识别;在分析基于车辆状态危险等级的自组网内状态信息广播机制的基础上,开发了车辆状态识别的硬件系统,实现了车载自组织网络内车辆状态的实时感知、有效识别、终端显示和危险预警等功能。(2)从安全驾驶和经济驾驶两个维度来综合评估驾驶员驾驶行为状态。利用速度、加速度、角速度、侧倾程度等指标,建立了基于模糊隶属度的安全驾驶评估模型;使用灰色预测算法计算不同速度下的理想节气门开度,建立基于节气门开度的经济驾驶评估模型。在此基础上,建立了基于安全驾驶隶属度和经济驾驶隶属度的驾驶员行为状态综合评估模型。通过采集的历史行车数据,对驾驶员行为综合评估模型的合理性和有效性进行了验证和分析,完成了该模块的软件设计。(本文来源于《华南理工大学》期刊2015-04-20）
杨华兰[8]（2015）在《基于PCA的模糊迭代自组织算法识别阿尔茨海默病候选致病基因》一文中研究指出阿尔茨海默病(Alzheimer's Disease)是一种痴呆症,该病危害性极大。目前仍未知该病的病发原因。利用计算方法对AD基因表达数据进行挖掘,识别与AD有关的候选致病基因,研究它们的致病机理。对寻找治愈AD方法的研究而言是有一定参考意义的。聚类分析是处理生物数据常用方式。结合生物信息理论本文选择改进了的模糊C均值算法(FCM)—基于PCA的模糊迭代自组织算法对基因表达数据聚类。首先,利用主成分分析方法(PCA)对AD基因表达数据降维来获取FCM的初始类别数目和类别中心。其次,利用模糊目标函数和模糊约束函数,确定FCM算法的模糊指数。最后,引入迭代自组织数据分析方法(ISODATA)控制或优化FCM算法的类别数,减小算法失真,获得较好的聚类结果。通过算法最终文章识别出29个AD可能的致病基因。对基因进行理论上的分析后得到如下结论：①辅助性伴侣蛋白表达异常降低机体ATP供能可能导致Ap沉积而引发AD。②基因RERE、HNRNPC表达异常通过引起神经元凋亡而可能诱发AD。③硒蛋白表达量降低通过影响硒的功能而可能诱导AD。④PRRG1, Agtr1表达量升高通过破坏钙稳态而可能诱导AD。最后给出了AD候选致病基因可能的致病机理图。(本文来源于《四川师范大学》期刊2015-04-07）
施娜柯,李大胜[9]（2014）在《科研资源集成系统:自组织运行与序参量识别》一文中研究指出运用自组织理论与序参量的役使原理,通过构建科研资源集成系统,分析科研资源的集中整合及自组织运行逻辑,旨在进一步完善科研资源集成相关理论并形成系统理论框架,为科研资源管理与技术创新提供新的思考范式。同时,将科研资源集成度作为科研资源集成系统的序参量,并从关联度、融合度、涌现度叁个维度构建和解释科研资源集成系统自组织运行目标,具有一定的创新性。选取某国家重点实验室为案例,运用模糊综合评价方法,对科研资源集成系统的自组织运行逻辑与集成度评估的有效性加以验证。(本文来源于《科技管理研究》期刊2014年16期）
窦金玲,赵志伟[10]（2014）在《基于自组织神经网络的SAR图像识别方法研究》一文中研究指出在SAR图像的识别中,传统的识别方法必须提前知道所有目标的类别,不能对任意的目标进行识别。通过分析SAR图像的特点,选取了一组由Hu不变矩和由叁角函数生成法导出的5个新的不变矩组成的特征向量。利用自组织神经网络对目标进行了聚类分析。试验表明,选取的特征向量能够较准确地描述目标,且自组织神经网络能够自适应,自组织对目标进行聚类。同时,用测试图像对训练好的网络进行了测试,得到了较为理想的识别效果。点。(本文来源于《探索 创新 交流——第六届中国航空学会青年科技论坛文集（下册）》期刊2014-06-24）
自组织识别论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
叁角形方法是最经典且应用最广的星图识别方法之一,但是存在搜索范围大、匹配冗余、抗噪能力弱等问题。将神经网络技术应用到星图识别过程中,结合自组织映射网络(SOM)优秀的分类能力和叁角形算法可靠的角距匹配能力,提出了一种新的识别方法。该方法基于邻近星的分布来构建每颗导航星的特征向量,将其作为SOM网络的输入向量,通过训练得到具有分类识别功能的网络及相应的叁角形库。识别阶段,输入待识别星的特征向量,网络输出识别类,在该类对应的叁角形库中应用叁角形算法查找匹配叁角形,完成星图识别。试验发现该方法减小叁角形搜索范围、实现快速匹配的同时,提高了识别系统的抗噪能力,在全天识别过程中平均识别时间低于5ms,识别率在噪声标准差为0.025时仍高达99%。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
自组织识别论文参考文献
[1].张圆,李精忠,帅赟.使用自组织映射网络识别城市道路主要结构[J].测绘与空间地理信息.2018
[2].刘烟,席红霞,曹珺,曲海波,宋崇金.结合自组织映射网络及叁角形算法的星图识别方法[J].中国空间科学技术.2018
[3].刘建文,周玉科,梁娟珠.基于自组织映射的北京主体功能区识别研究[J].测绘与空间地理信息.2018
[4].唐海涛.自组织增量神经网络的验证码识别模型与算法[D].广东工业大学.2016
[5].李昱鑫.基于自组织的工程图纸智能识别技术研究[D].沈阳建筑大学.2015
[6].吴梅林,吴鹏.自组织特征映射神经网络识别珠江口夏季水质空间格局[J].生态科学.2015
[7].邓忠.基于车载自组织网的车辆状态识别与驾驶行为评估[D].华南理工大学.2015
[8].杨华兰.基于PCA的模糊迭代自组织算法识别阿尔茨海默病候选致病基因[D].四川师范大学.2015
[9].施娜柯,李大胜.科研资源集成系统:自组织运行与序参量识别[J].科技管理研究.2014
[10].窦金玲,赵志伟.基于自组织神经网络的SAR图像识别方法研究[C].探索创新交流——第六届中国航空学会青年科技论坛文集（下册）.2014
论文知识图
