计算机应用
計算機應用
계산궤응용
COMPUTER APPLICATION
2009年
3期
739-741
,共3页
刘映杰%马若飞%朱望飞%者昊%绽琨%马义德
劉映傑%馬若飛%硃望飛%者昊%綻琨%馬義德
류영걸%마약비%주망비%자호%탄곤%마의덕
运动目标检测%脉冲耦合神经网络%多阈值%简化最大熵%学习率
運動目標檢測%脈遲耦閤神經網絡%多閾值%簡化最大熵%學習率
운동목표검측%맥충우합신경망락%다역치%간화최대적%학습솔
在经典的基于混合高斯模型减背景算法的基础上,在脉冲耦合神经网络(PCNN)对前景和背景的分割过程中,运用了多阈值思想,其迭代次数由简化的最大熵准则决定,并且提出了一种新的模型学习率.经过实验证明,该算法在检测能力、抑制噪声、稳定性等方面得到了较好的改进.
在經典的基于混閤高斯模型減揹景算法的基礎上,在脈遲耦閤神經網絡(PCNN)對前景和揹景的分割過程中,運用瞭多閾值思想,其迭代次數由簡化的最大熵準則決定,併且提齣瞭一種新的模型學習率.經過實驗證明,該算法在檢測能力、抑製譟聲、穩定性等方麵得到瞭較好的改進.
재경전적기우혼합고사모형감배경산법적기출상,재맥충우합신경망락(PCNN)대전경화배경적분할과정중,운용료다역치사상,기질대차수유간화적최대적준칙결정,병차제출료일충신적모형학습솔.경과실험증명,해산법재검측능력、억제조성、은정성등방면득도료교호적개진.
