您的位置: 专家智库 > >

湖北省自然科学基金(2009BFA006)

作品数:4 被引量:27H指数:2
相关作者:艾青松刘泉徐胜男周祖德梁进更多>>
相关机构:武汉理工大学更多>>
发文基金:湖北省自然科学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电子电信更多>>

文献类型

  • 4篇中文期刊文章

领域

  • 3篇自动化与计算...
  • 1篇电子电信

主题

  • 1篇电信号
  • 1篇动力学
  • 1篇信号
  • 1篇信号识别
  • 1篇支持向量
  • 1篇支持向量机
  • 1篇直方图
  • 1篇神经网
  • 1篇神经网络
  • 1篇图像
  • 1篇气动
  • 1篇气动肌肉
  • 1篇子群
  • 1篇自适应控制
  • 1篇自适应控制算...
  • 1篇网络
  • 1篇向量
  • 1篇向量机
  • 1篇小波
  • 1篇小波系数

机构

  • 4篇武汉理工大学

作者

  • 4篇艾青松
  • 3篇刘泉
  • 2篇周祖德
  • 2篇徐胜男
  • 1篇姚碧涛
  • 1篇梁进
  • 1篇卢英

传媒

  • 2篇中国机械工程
  • 2篇计算机工程与...

年份

  • 2篇2013
  • 1篇2012
  • 1篇2011
4 条 记 录,以下是 1-4
排序方式:
气动肌肉质量项动力学建模及仿真
2011年
单独考虑气动肌肉的质量项并在动力学推导中将其看成沿圆柱体均匀分布的质点系,利用拉格朗日方程建立了气动肌肉质量项动力学模型。利用ANSYS对气动肌肉柔性体进行了网格划分,并将生成的模态中性文件导入ADAMS进行了动力学仿真,仿真结果验证了动力学模型的正确性。
姚碧涛周祖德艾青松徐胜男
关键词:气动肌肉动力学仿真
基于粒子群优化的神经网络自适应控制算法被引量:16
2012年
针对一些非线性场合或者控制对象可变的条件下,传统PID控制达不到要求且需要靠经验不断地调整PID参数的情况,提出了一种基于粒子群优化(particle swarm optimization,PSO)的神经网络自适应控制算法。该算法结合传统PID控制、BP神经网络和PSO全局优化算法,用PSO算法优化BP神经网络的初始权值,然后用优化后的BP神经网络在线调整PID参数。优化过程中引入了变异操作,并考虑激活函数增益及隐含层数的选择对PSO算法和BP神经网络的综合影响。该算法克服了神经网络容易陷入局部极小值以及收敛速度慢的缺陷,仿真结果表明,该算法在精确性和实时性上有很大的改进。
徐胜男周祖德艾青松刘泉
关键词:PSO算法BP神经网络PID控制自适应控制
基于SURF和全局特征融合的图像分类研究被引量:10
2013年
针对SURF对图像局部特征具有极好的描述能力,但对于全局特征描述能力不强的缺点,提出将SURF和全局颜色特征相融合的图像分类算法,提取图像的SURF特征向量集,并利用随机直方图算法将该向量集进行数据归约成单一高维特征向量;提取图像HSV颜色直方图;分别利用支持向量机(SVM)对这两种特征进行分类;将两个分类结果进行高层特征融合得到最终分类结果。实验结果表明,该算法显著提高了图像分类的准确率。
梁进刘泉艾青松
关键词:支持向量机
高斯径向基函数重构特征对表面肌电信号识别被引量:1
2013年
针对在不同动作模式下对表面肌电信号提取的特征信息总是有较大差异,而相同动作模式下提取的特征信息较为接近这一特点,提出了高斯径向基函数重构算法对肌电信号进行识别。该算法在对表面肌电信号提取特征信息后,用高斯径向基函数对特征矢量进行重构,使得重构的特征矢量的空间分布存在很大差异而直接进行识别。用该重构算法对提取的AR系数重构,然后进行识别,平均识别率为97.2%;对小波系数重构,平均识别率为99%。
艾青松卢英刘泉
关键词:表面肌电信号小波系数
共1页<1>
聚类工具0