首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  完全免费   5篇
  自动化技术   5篇
  2012年   1篇
  2011年   3篇
  2009年   1篇
排序方式: 共有5条查询结果,搜索用时 15 毫秒
1
1.
基于Pseudo-Zernike不变矩的PNN车牌汉字识别   总被引:4,自引:2,他引:2       下载免费PDF全文
基于不变矩理论,提出一种应用概率神经网络作为识别器的车牌汉字识别技术。利用Pseudo—Zernike矩特征的旋转不变性和良好的抗噪性能,将其作为车牌汉字识别的特征矢量,结合Pseudo—Zemike矩的快速算法和概率神经网络识别器快速学习和识别的性能,可适应实时环境下所获取的车牌汉字灰度图像的识别,具有较高的准确率,实验结果表明了该方法的有效性。  相似文献
2.
传统粒子群算法存在早熟、精度低等不足,许多改进算法尽管性能略有提高,但依然存在原有弊端。生物学家对欧椋鸟群的最新研究发现:鸟群飞行机制中个体间存在拓扑相互作用,与距离远近无关。受这一研究成果启发,提出一种引入欧椋鸟飞行机制的改进粒子群算法。该算法在进化策略上引入拓扑作用和猎食动物的惊扰机制,在参数选择上提出粒子群动能的概念,在线性递减权重框架下通过粒子动能自适应更新惯性权重,拓扑作用集合采用最近邻粒子构成,将拓扑因子与惯性权重相联系,达到进化状态的平衡和自适应性。仿真实验表明,改进算法在精度、成功率和效率上具有一定的优势,尤其是对多模态优化问题。  相似文献
3.
在传统的线性递减惯性权重(LDW)粒子群算法的基础上,提出一种新的引入粒子密度因子的粒子群算法。该算法根据粒子平均适应度值和社会最优适应度值,采用径向基函数形式来度量粒子群在最优值附近的聚集程度。在进化过程中,当密度因子大于一定值时,在LDW惯性权重因子中加入扰动项,使粒子群重新散开,从而跳出局部极值,避免算法出现早熟现象。基于Benchmark函数库的仿真实验表明,该算法一定程度上避免了算法过早收敛,尤其是在高维和多极值情况下性能明显优于传统PSO算法。  相似文献
4.
神经网络是遥感地物自动分类的重要工具之一。利用多尺度几何分析中的眷波基函数建立了一种自适应眷波网络模型。在传统自适应粒子群算法的基础上,提出一种引入粒子密度因子的自适应粒子群优化算法作为网络训练算法。为验证其性能,利用互信息约简技术对22。波段AVIRIS 92AV3C高光谱数据进行约简,并将它们作为网络输入实现对高光谱遥感地物的自动分类。仿真试验表明:引入粒子密度因子的粒子群算法与传统粒子群算法相比,不易出现早熟问题,在处理高维非线性组合优化问题时具有一定优势;由于眷波函数对高维奇异性的表征能力,相比于传统的RBF和SVM分类器,脊波神经网络分类器对具有明显边界特征的地物分类问题具有较高的精度,同时网络规模小,结构简单。  相似文献
5.
提出一种边界总和最大化的车牌汉字特征融合算法,根据高维数据低维投影趋于正态分布的特点,将Pseudo-Zernike矩特征和Gabor特征串联后形成的高维特征投影到低维空间,利用类别均值和方差构造分类边界总和,最大化边界总和,得到最佳投影向量,构成投影矩阵,对原串联特征投影后得到一组新特征,作为椭圆基概率神经网络分类器的输入。实验表明,新特征同时具备全局表征能力和细节刻画能力,去除了数据冗余,在提高分类准确率的同时有效降低了分类器规模,椭圆基概率神经网络构造简便,具有与SVM相当的分类准确率。  相似文献
1
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号