计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2008年
11期
179-181,198
,共4页
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,从而提出一种基于差异演化概率神经网络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;然后用差异演化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:该方法较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.
引入差異縯化(DE)算法來瀰補基本概率神經網絡的不足,從而提齣一種基于差異縯化概率神經網絡的紋理圖像識彆方法.首先用樹形結構小波包變換提取紋理圖像的能量特徵,用基于統計的紋理特徵方法提取統計均值、平均能量、標準差和平均殘餘特徵,得到紋理圖像的特徵矢量;然後用差異縯化概率神經網絡訓練紋理圖像的特徵矢量,從而實現紋理圖像的識彆.實驗結果錶明:該方法較BP神經網絡、RBF神經網絡和基本的PNN有更高的識彆正確率,且收斂更快.
인입차이연화(DE)산법래미보기본개솔신경망락적불족,종이제출일충기우차이연화개솔신경망락적문리도상식별방법.수선용수형결구소파포변환제취문리도상적능량특정,용기우통계적문리특정방법제취통계균치、평균능량、표준차화평균잔여특정,득도문리도상적특정시량;연후용차이연화개솔신경망락훈련문리도상적특정시량,종이실현문리도상적식별.실험결과표명:해방법교BP신경망락、RBF신경망락화기본적PNN유경고적식별정학솔,차수렴경쾌.
