共查询到20条相似文献,搜索用时 78 毫秒
1.
2.
3.
4.
5.
GAO Chao JIANG Da-qin Guo Yong-cai 《光电子快报》2006,2(5):386-388
Iris i mage recognition is a biometric feature recogni-tiontechnology developedin 1990s .Compared with oth-er biometric feature recognition,iris recognition hasmany advantages suchas uniqueness ,highstability,non-invasive,high peculiarity,anti-false and l… 相似文献
6.
7.
8.
9.
聚类是数据挖掘的主要任务之一,基于蚂蚁堆形成原理的LF算法是蚁群聚类的经典算法。给出了LF算法在Matlab环境下的详细实现过程,包含算法的基本思想、使用的数据结构、算法的流程图,最后使用UCI数据集Iris进行了验证,给出了算法运行的参数设置数据和算法运行结果的图形表示。 相似文献
10.
11.
ART2网络的学习速率调整及其影响 总被引:1,自引:0,他引:1
谌海霞 《微电子学与计算机》2008,25(9)
首先讨论了ART2网络的常用学习规则,指出快速学习方式中隐式蕴含了在其他神经网络中常提到的学习速率,并给出了调整这种隐式学习速率的方法.通过实例说明了学习速率调整对模式漂移现象的抑制作用,并对比了不同学习速率对Iris数据集分类的影响. 相似文献
12.
李帮建 《智能计算机与应用》2022,12(2):37-43
为了提高眼球突出度测量方法的效率和安全性,基于双目视觉测量原理,提出一种特征点均通过图像处理获取的眼球突出度测量方法.该方法首先获取眼部图像,再利用MediaPipe Iris获取虹膜中心,结合阈值分割、轮廓检测获取标记点,最后计算眼球突出度值.为了验证本文双目视觉测量方法的精密度和准确度,搭建了测试平台,针对标准件、... 相似文献
13.
基于输入扩展改进的BP网络及其在遥感图像分类中的应用 总被引:1,自引:0,他引:1
提出了一种基于输入模式扩展的神经网络改进方法,并和Levenberg-Marquardt优化的BP网络(LMBPN)进行了对比。通过二阶内积或切比雪夫多项式等非线性函数,把输入向量映射到更高维的模式空间,可以增强样本的可分性。Iris数据和遥感图像分类实验表明,输入模式扩展的神经网络改进方法可以进一步加快收敛速度,改进模式分类效果。 相似文献
14.
15.
针对遥感图像监督分类方法需要人工提取训练样本的缺陷,提出一种模糊K均值聚类(FCM)提取训练样本、支持向量机(SVM)进行分类的方法。算法首先用FCM进行初步分类得到隶属度矩阵并判断每个样本的类别号;然后根据隶属度矩阵提取每类样本中密集程度较高的样本作为训练样本;最后用SVM对样本进行训练、再次分类。该方法克服了SVM算法需要人工样本的缺点,改善了传统非监督分类算法的性能,UCI标准数据库Iris数据和遥感数据样本的实验结果证明了该方法的可行性。 相似文献
16.
邹晓辉 《智能计算机与应用》2016,(6)
数据分类是数据科学的一个重要研究方向,Logistic回归是最基本的分类算法之一.线性回归和Logistic回归都属于线性模型,本文介绍了两者的联系,详细阐述了模型的目标函数和参数训练过程.在经典的模式识别数据集Iris上,应用Logistic回归模型基于部分特征和全部特征维度进行了建模和分类预测.实验结果表明,适合比例的训练集和测试集切分,较高权重特征组合的建模可以获得较高的分类准确率. 相似文献
17.
18.
混合粒子群算法优化神经网络的研究 总被引:1,自引:1,他引:0
针对BP神经网络初始权阈值的确定所具有的随机性和各个隐含层神经元数的不确定性,通过利用混合粒子群优化算法来同时优化神经网络的初始权阈值和结构.首先通过混合粒子群优化算法来确定一个较好的搜索空间,然后在这个解空间里再通过BP算法对网络进行训练和学习,搜索出最优的网络结构和权阈值.通过Iris模式分类、Wine模式分类问题和广义异或问题来对该模型进行训练和测试,相比遗传算法等其他算法,该模型可以获得更高的正确识别率,结果表明此方法是可行的. 相似文献
19.
基于层次的K-均值聚类 总被引:2,自引:1,他引:1
介绍一种基于层次的K-均值聚类算法(HKMA)。在统计力学的基础上,对传统K-均值聚类划分矩阵里的元素("隶属"概率)做了形式上的改变,并引入一个调控实际聚类数目的因子。这样,在对同一组数据集进行聚类时,调控因子值不同,结果得到的类数目就不同。用一组二维正态分布的数据集和一组用来测试聚类算法的标准数据集(Iris数)进行测试,结果表明该算法具有层次聚类的性质和较满意的聚类精度。 相似文献
20.
本文提出了基于连接结构优化的粒子群优化算法(SPSO)用于神经网络训练,该算法在训练神经网络权值的同时优化其连接结构,删除冗余连接,使神经网络获得与模式分类问题匹配的信息处理能力.经SPSO训练的神经网络应用于Iris,Ionosphere以及Breast cancer模式分类问题,能够部分消除冗余分类参数及冗余连接结构对分类性能的影响.与BP算法及遗传算法比较,该算法在提高分类误差精度的同时可加快训练收敛的速度.仿真结果表明,SPSO是有效的神经网络训练算法. 相似文献