科技信息
科技信息
과기신식
SCIENTIFIC & TECHNICAL INFORMATION
2013年
2期
187-188
,共2页
Hu不变矩%特征提取%概率神经网络%增量学习
Hu不變矩%特徵提取%概率神經網絡%增量學習
Hu불변구%특정제취%개솔신경망락%증량학습
本文提出了一种使用Hu不变矩进行图像特征提取,并结合概率神经网络分类器实现较强增量学习能力的水声图像快速识别方法.首先对接收到的水声图像进行预处理,在此基础上,利用Hu矩变换得到对应的六个特征分量,将特征分量输入训练成熟的概率神经网络完成识别.最后通过实验验证该方法与模糊C均值聚类、BP神经网络相比具有更高的识别成功率,识别率略低于支持向量机,四类识别方法中,该方法具有更高的增量学习效率,从而更具有实用性.
本文提齣瞭一種使用Hu不變矩進行圖像特徵提取,併結閤概率神經網絡分類器實現較彊增量學習能力的水聲圖像快速識彆方法.首先對接收到的水聲圖像進行預處理,在此基礎上,利用Hu矩變換得到對應的六箇特徵分量,將特徵分量輸入訓練成熟的概率神經網絡完成識彆.最後通過實驗驗證該方法與模糊C均值聚類、BP神經網絡相比具有更高的識彆成功率,識彆率略低于支持嚮量機,四類識彆方法中,該方法具有更高的增量學習效率,從而更具有實用性.
본문제출료일충사용Hu불변구진행도상특정제취,병결합개솔신경망락분류기실현교강증량학습능력적수성도상쾌속식별방법.수선대접수도적수성도상진행예처리,재차기출상,이용Hu구변환득도대응적륙개특정분량,장특정분량수입훈련성숙적개솔신경망락완성식별.최후통과실험험증해방법여모호C균치취류、BP신경망락상비구유경고적식별성공솔,식별솔략저우지지향량궤,사류식별방법중,해방법구유경고적증량학습효솔,종이경구유실용성.
