针对GrabCut算法在分割图像时效率低,且容易出现欠分割与过分割的问题,提出了一种基于概率神经网络(PNN)改进的GrabCut(PNN_GrabCut)算法。该算法用PNN模型替换GrabCut算法中的高斯混合模型(GMM)进行t-links权值计算,以提升算法的计算效率;通过构建前景和背景直方图,选取像素值出现频率较高的像素作为PNN模型的训练样本,以提高算法的分割精度。在公开的ADE20K数据集中选取图像进行分割实验,结果表明,PNN_GrabCut算法的分割精度优于其他对比算法,且效率较高。对前景与背景相似度高的图像进行分割实验,结果表明,PNN_GrabCut算法的分割精度明显高于GrabCut算法。

在无人机空中格斗过程中, 由于无人机自身状态以及空战态势, 敌我双方机动动作及行为策略的选择具有极强的不确定性。针对这个问题,将强化学习方法引入无人机空中格斗过程, 建立无人机机动模型及动作集; 将空战态势评估函数作为强化学习中的信号函数; 采用概率神经网络(PNN）作为对敌机动预测单元; 在敌我双方战场信息完全感知条件下, 该算法能够不断学习,使无人机通过与环境的交互来掌握其最佳机动行为策略, 实现无人机的一对一空中对抗。

在传统的火焰检测算法中,火焰前景提取容易出现火焰轮廓不完整和抗干扰性较差的情况。为此,融合红/绿/蓝(RGB)、色调/饱和度/亮度(HSI)和最大类间方差法(Otsu)提出一种新的火焰前景提取算法,利用双颜色空间融合的算法能够提取较完整的火焰轮廓,使火焰轮廓所受干扰影响程度尽量小。获得前景图像后用灰度共生矩阵提取纹理特征,在YCbCr颜色空间中提取颜色特征,用于最终的火焰判断。同时提出一种改进的概率神经网络(PNN),将传统PNN中单一固定值的平滑因子改进为多变量参数,用条件期望最大化(ECM)算法对PNN中平滑因子进行参数优化,再将提取的特征输入改进后的PNN中训练测试。仿真结果表明,该算法具有良好的抗干扰能力,能够提高对火焰识别的精度。

提出了一种基于局部均值分解(LMD)和串行特征融合(SFF)的光纤周界振动信号识别方法。该方法先去除噪声,提取振动信号的相关信息,再进行SFF以得到具有准确描述能力的特征向量,最后采用概率神经网络(PNN)算法进行学习和分类。利用不同单一振动信号和风雨天气干扰下的不同振动信号对该方法进行验证。结果表明,该方法在上述两种情况下的平均正确识别率分别达到96.0%和96.7%,识别时间分别为0.87 s和0.91 s,在敏感信息识别和特征提取方面明显优于传统的LMD算法和SFF-PNN算法。

为了有效识别光纤周界系统的振动信号, 提出一种多重分形谱参数和改进概率神经网络相结合的光纤振动信号识别方法.该方法能够避免特征提取过程中需要选择经验阈值和模式识别过程中需要确定平滑因子的不足.首先, 检验分析光纤振动信号多重分形的存在性和有效性.然后, 计算和提取光纤振动信号的多重分形谱参数, 构成能够准确描述信号非线性和复杂性特性的特征向量.最后, 采用改进的概率神经网络算法进行自适应地学习和分类, 实现对不同光纤振动信号的识别.采用现场实验采集的四种振动信号对该方法进行验证, 结果表明, 平均识别率达到96.25 %, 识别时间为1.63 s.该方法在正确识别率方面优于传统的概率神经网络算法.

针对红外无损检测中因特征信息缺失，致使识别与评估效果不佳这一问题，研究以铝板为对象，基于红外无损检测技术，结合主成分分析和概率神经网络对铝板正常区及三类孔洞缺陷区进行了识别与面积定量评估。研究首先采集铝板降温过程的红外时序热图，提取了正常区和各类孔洞缺陷区的时序灰度值作为初始特征。其次，采用主成分分析对初始特征进行提取，并结合概率神经网络，以像素点为单位实现孔洞缺陷的识别及面积定量评估，并采用了支持向量机进行了对比研究。实验结果表明，对于正常区和三类孔洞缺陷区测试样本的面积评估正确率分别为99.6%、97.0%、94.7%和93.0%，相比支持向量机的评估结果，所提出的研究方法具有更高的正确率。研究论证了采用主成分分析和概率神经网络，基于时序特征，以像素点为单位，实现孔洞缺陷识别和面积定量分析的有效性和准确性。

为了实现机器人自动焊接过程中快速、精确地提取焊缝特征信息,提出了一种基于小波变换和概率神经网络的焊接接头类型识别方法.先采用小波变换对由激光视觉传感器采集的焊接接头图像进行降噪和增强,对重构后的图像进行二值化,然后提取图像的特征信息,组成图像特征向量,最后构建概率神经网络分类器并进行测试.结合视觉传感器中激光器与摄像机的位置关系,最终识别出4种焊接接头.实验结果表明,所提出的方法特征提取简单,识别率高,并具有较好的实时性.

为了更好地处理高功率微波探测过程中产生的样本数据, 在深入分析高功率微波特性参数的基础上, 建立一个高功率微波器件特征参数库, 并结合概率神经网络系统建立了一个高功率微波探测预测模型。通过部分学习样本和非学习样本进行预测, 预测结果证明该模型能够基本再现原始数据, 同时, 对非样本数据有着较好的预测能力。这一数据处理方法在处理复杂样本、模式分类和判别过程中具有较高的实用性和实时性, 能够在高功率微波探测数据的数据分类、结果预测等方面得到较好的应用。

基于概率神经网络,提出一种与尿液反应后尿试纸的颜色识别方法。针对颜色色空间转换的非线性复杂关系,获取标准阈值颜色色度值,进行归一化处理后,建立基于概率神经网络的尿样颜色识别模型。实验结果表明,用概率神经网络进行尿样颜色识别是可行而有效的。与颜色色差评价方法作比较,该方法无须进行色空间转换,只利用设备原有RGB颜色空间的RGB值即可实现,更易于操作。

对国内外近十年来人工神经网络在近红外光谱建模中的应用和研究进行了详细的综述，包括误差反向传播网络、径向基网络、支持向 量机、自组织特征映射网、广义回归神经网络、概率神经网络、小波神经网络、模糊神经网络以及集成神经网络等的应用和研究。概括了这些网络的基 本工作原理及优缺点。最后根据神经网络的发展方向和工农业的发展需求，提出了今后人工神经网络在近红外建模方面的发展方向。