基于神经网络的数据融合技术的新进展(6)

基于神经网络的数据融合技术的进展

508北京理工大学学报第23卷　

些优点,CNN网络特别适合于硬件实现,为融合算法的实时化提供了基础[12,13]Λ

不同尺寸影响区域的CNN状态方程可由不同大小的由阈值、控制系数、反馈系数构成的CNN基因模板表示Λ目前已知的CNN基因模板约有数百个,其中用于图像处理的CNN基因包括阈值、点提取、点消除、逻辑非、逻辑与、边缘检测、拐角检测、腐蚀等,几乎包括了关于图像分析的各种操作ΛCNN网络处理对象的广适性及适于硬件实现的优点使之非常适用于数据的前级处理Λ

IEEETransactiononNeuralNetworks,1999,10(3):554-563.[3]　InguvaR,

Multifeature[4]　RobertHN.[5]　RobertHN.

139.

[6]　ChairZ,VarshneyPK.

multipsensor

timaldatafusioninsystems[J].

IEEE

JohnsonJL,fusion

using

SchamschulaMpulse

coupled

P.neural

networks[J].SPIE,1999,3719:342-351.

Counter2propagationnetworks[J].Applicationsofcounter2propagation

AppliedOptics,1987,26(12):works[J].NeuralNetworks,1988,1(1):131-

5　结论和展望

应用于数据层融合的基于猫视觉模型研究的脉

冲耦合神经网络,融合的DIGNET年代以Λ年提出的几乎包含了图像分析各种操作的细胞神经网络,可应用于融合前的数据处理,其适合用硬件实现的优点,可以提高系统工程化的可能性和实时化能力Λ神经网络以其泛化能力强、稳定性高、容错性好、快速有效的优势,在信息融合中的应用日益受到重视Λ目前,将模糊数学、神经网络、进化计算、粗集理论、小波变换、专家系统等智能技术有机地结合起来,是一个重要的发展趋势Λ钱学森教授在1990年提出了研究复杂巨系统的方法论:将专家群体、数据和各种信息与计算机仿真有机地结合起来,把各种学科的科学理论和人的经验与知识结合起来,发挥综合系统的整体优势去解决问题Λ这就是数据融合技术,也是今后的发展方向Λ

参考文献:

[1]　瞿继双,王　超,王正志.基于数据融合的遥感图像处

TonsA,98-101.

7　s,isIN,SahinoglouH,et

anddistributedhypothesistestingwithadaptivenetworksandperceptron2typeneuralnetworks[J].SPIE,1992,1611:35-51.[8]　RobertJP.Anewneuralnetworkarchitecturefor

thefusionofindependentsensordecision[J].SPIE,1994,2232:521-525.

[9]　ThomopoulosSC,BougouliasDK.DIGNET:A

self2organizingneuralnetworkforautomaticpatternrecognitionandclassification[J].SPIE,1991,1470:253-262.

[10]　WannCD,ThomopoulosSC.Acomparativestudy

ofself2organizingclusteringalgorithmsdignetandATR2[J].NeuralNetworks,1997,10(4):737-738.

[11]　ChuaLO,YangL.Cellularneuralnetworks:theory

[J].1272.

[12]　高胜保,奚柏清.细胞神经网络——模型与实现[J].

IEEETransCircuitsSyst,1988,35:1257-

南京邮电学院学报,1994,14(3):1-2.

GaoShengbao,XiBaiqing.Cellularneuralnetwork:Modelandimplementation[J].JournalofNanjingInstituteofPostsandTelecommunications,1994,14(3):1-2.(inChinese)

[13]　刘常澍,刘　峰,谢学智等.可编程细胞神经网络

理技术[J].中国图像图形学报,2002,7(10):986-991.

.DataQuJishuang,WangChao,WangZhengzhifusionbasedtechnologyforremotesensingimageprocessing[J].JournalofImageandGraphics,2002,7(10):986-991.(inChinese)

[2]　BroussardRP,RogersSK,OxleyME,etal.

Physiologicallymotivatedimagefusionforobjectdetectionusingapulsecoupledneuralnetwork[J].

硬件实现及应用研究[J].电子学报,2000,28(4):1

-2.

LiuChangshu,LiuFeng,Research

on

hardware

XieXuezhi,implementation

.etaland

applicationofprogrammablecellularneuralnetwork[J].ActaElectronicaSinica,2000,28(4):1-2.(inChinese)