排序方式: 共有65条查询结果,搜索用时 15 毫秒
1.
本文用形心到外轮廓的距离序列表示平面形状,将二维的平面形状识别问题转化为一维波形曲线的识别问题。对于这种波形曲线的识别,采用具有平移不变性的高阶神经网络方法,成功地解决了目标旋转变化后导致的边心距序列循环移位的问题,克服了传统匹配识别方法寻找匹配起始点的困难。实验表明,本文的方法简单易行,并且具有较高的识别率,可实现平移、旋转和比例不变性识别。 相似文献
2.
3.
4.
5.
6.
7.
8.
根据成像引信的扫描成像机理,在详细分析了引信目标图像特性的基础上,论述了四种适用于引信目标图像的局部特征:角点,轮廓曲线段形状特征,线矩和弯曲能量,并提出了一种子块特征的提取算法。最后,分析了在应用局部特征进行了识别时遇到的问题并指出了解决方法,本文的研究对于其他不完整图像识别问题,如工件识别,机器人视觉,场景分析,医学图像的解释,飞行器的识别等,同样很有意义。 相似文献
9.
用粗糙集理论研究时序测试数据,主要目的是从中挖掘出有用知识.但是原始信息表不能直接用粗糙集进行处理,而要求对信息表进行预处理,即离散化处理.时序信息表的离散化问题本质上可归纳为利用选取的断点对条件属性构成的空间进行划分问题,即把n维空间划分为有限个区域使每个区域中对象的决策值相同.时序信息表的粗糙集离散化算法可以根据给出的信息表求出所有可能的断点集,而且采用任意一种断点集,得到的新信息表不会引入冲突.本文对离散化问题进行了严格的数学定义,阐述了粗糙集离散化算法及启发式算法,并对几个主要问题进行了讨论. 相似文献
10.