信息技术
信息技術
신식기술
INFORMATION TECHNOLOGY
2012年
9期
185-188
,共4页
支持向量机%BP网络%遗传算法%图像处理
支持嚮量機%BP網絡%遺傳算法%圖像處理
지지향량궤%BP망락%유전산법%도상처리
针对现实中各种噪声干扰的数字图像识别分类的问题,提出了基于遗传算法优化的BP神经网络和支持向量机神经网络两种方案,先在无噪声干扰情况下建模,然后加入人工噪声模拟现实中的噪声干扰.结果表明,遗传算法优化后的支持向量机网络方案具备更好的抗噪声干扰能力,在噪声干扰数字图像分类中具有更高应用价值.
針對現實中各種譟聲榦擾的數字圖像識彆分類的問題,提齣瞭基于遺傳算法優化的BP神經網絡和支持嚮量機神經網絡兩種方案,先在無譟聲榦擾情況下建模,然後加入人工譟聲模擬現實中的譟聲榦擾.結果錶明,遺傳算法優化後的支持嚮量機網絡方案具備更好的抗譟聲榦擾能力,在譟聲榦擾數字圖像分類中具有更高應用價值.
침대현실중각충조성간우적수자도상식별분류적문제,제출료기우유전산법우화적BP신경망락화지지향량궤신경망락량충방안,선재무조성간우정황하건모,연후가입인공조성모의현실중적조성간우.결과표명,유전산법우화후적지지향량궤망락방안구비경호적항조성간우능력,재조성간우수자도상분류중구유경고응용개치.
