系统工程
繫統工程
계통공정
SYSTEMS ENGINEERING
2006年
4期
97-101
,共5页
交通标志%识别算法%概率神经网络%不变距%差异演化
交通標誌%識彆算法%概率神經網絡%不變距%差異縯化
교통표지%식별산법%개솔신경망락%불변거%차이연화
神经网络具有较强的容错性和自适应学习能力,在交通标志图像识别中获得广泛的应用,但目前采用的多层感知器、BP神经网络以及径向基神经网络等几种神经网络存在一些不足,故本文提出采用改进概率神经网络进行交通标志图像识别的新方法, 整个算法分两步实现:首先对交通标志图像提取它的Tchebichef不变距并作为图像的特征;然后采用改进的概率神经网络进行识别.仿真实验表明,提出的方法比以前的方法有更好的识别效果.
神經網絡具有較彊的容錯性和自適應學習能力,在交通標誌圖像識彆中穫得廣汎的應用,但目前採用的多層感知器、BP神經網絡以及徑嚮基神經網絡等幾種神經網絡存在一些不足,故本文提齣採用改進概率神經網絡進行交通標誌圖像識彆的新方法, 整箇算法分兩步實現:首先對交通標誌圖像提取它的Tchebichef不變距併作為圖像的特徵;然後採用改進的概率神經網絡進行識彆.倣真實驗錶明,提齣的方法比以前的方法有更好的識彆效果.
신경망락구유교강적용착성화자괄응학습능력,재교통표지도상식별중획득엄범적응용,단목전채용적다층감지기、BP신경망락이급경향기신경망락등궤충신경망락존재일사불족,고본문제출채용개진개솔신경망락진행교통표지도상식별적신방법, 정개산법분량보실현:수선대교통표지도상제취타적Tchebichef불변거병작위도상적특정;연후채용개진적개솔신경망락진행식별.방진실험표명,제출적방법비이전적방법유경호적식별효과.
