基于改进概率神经网络的纹理图像识别
기우개진개솔신경망락적문리도상식별
Texture image recognition based on modified probabilistic neural network.
  • 万方数据
    计算机工程与应用 계산궤공정여응용
    COMPUTER ENGINEERING AND APPLICATIONS
    2008年 10期 48-50,103 ,共4页

    蒋加伏%肖淑苹%杨鼎强

    장가복%초숙평%양정강

    纹理分类%小波包变换%概率神经网络%差异演化 紋理分類%小波包變換%概率神經網絡%差異縯化
    문리분류%소파포변환%개솔신경망락%차이연화
    引入差异演化(DE)算法来弥补基本概率神经网络的不足,从而提出一种基于改进概率神经网络(MPNN)的纹理图像识别方法.首先用树形结构小波包变换提取纹理图像的能量特征,用基于统计的纹理特征方法提取统计均值、平均能量、标准差和平均残余特征,得到纹理图像的特征矢量;然后用改进的概率神经网络训练纹理图像的特征矢量,从而实现纹理图像的识别.实验结果表明:采用基于改进概率神经网络的纹理图像识别方法较BP神经网络、RBF神经网络和基本的PNN有更高的识别正确率,且收敛更快.
    인입차이연화(DE)산법래미보기본개솔신경망락적불족,종이제출일충기우개진개솔신경망락(MPNN)적문리도상식별방법.수선용수형결구소파포변환제취문리도상적능량특정,용기우통계적문리특정방법제취통계균치、평균능량、표준차화평균잔여특정,득도문리도상적특정시량;연후용개진적개솔신경망락훈련문리도상적특정시량,종이실현문리도상적식별.실험결과표명:채용기우개진개솔신경망락적문리도상식별방법교BP신경망락、RBF신경망락화기본적PNN유경고적식별정학솔,차수렴경쾌.
    원문보기 원문다운로드 사이트로이동
저자의 최근 논문