计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2009年
18期
205-208
,共4页
神经网络%遗传算法%特征提取%物体识别
神經網絡%遺傳算法%特徵提取%物體識彆
신경망락%유전산법%특정제취%물체식별
目前常用的物体识别方法,其过程非常复杂,信息量和计算量都很大.结合改进遗传算法的神经网络方法,采用将结构与误差结合的适应度函数,改进的遗传算子实现对BP网络结构和权值的同步优化.提出一种用改进遗传算法优化后的BP神经网络进行物体识别,并以提取的修正不变矩特征作为BP神经网络的输入,仿真结果表明该方法提高了识别的稳定性和收敛性能,并且识别率较高.从而验证了该方法的有效性.
目前常用的物體識彆方法,其過程非常複雜,信息量和計算量都很大.結閤改進遺傳算法的神經網絡方法,採用將結構與誤差結閤的適應度函數,改進的遺傳算子實現對BP網絡結構和權值的同步優化.提齣一種用改進遺傳算法優化後的BP神經網絡進行物體識彆,併以提取的脩正不變矩特徵作為BP神經網絡的輸入,倣真結果錶明該方法提高瞭識彆的穩定性和收斂性能,併且識彆率較高.從而驗證瞭該方法的有效性.
목전상용적물체식별방법,기과정비상복잡,신식량화계산량도흔대.결합개진유전산법적신경망락방법,채용장결구여오차결합적괄응도함수,개진적유전산자실현대BP망락결구화권치적동보우화.제출일충용개진유전산법우화후적BP신경망락진행물체식별,병이제취적수정불변구특정작위BP신경망락적수입,방진결과표명해방법제고료식별적은정성화수렴성능,병차식별솔교고.종이험증료해방법적유효성.