学位论文 > 优秀研究生学位论文题录展示

基于联想记忆神经网络的形状识别系统应用研究

作　者: 王一先
导　师: 潘孟贤；高隽
学　校: 合肥工业大学
专　业: 信号与信息处理
关键词: 联想记忆神经网络形状识别信息融合技术样本选择聚类
分类号: TP183
类　型: 硕士论文
年　份: 2002年
下　载: 140次
引　用: 0次
阅　读: 论文下载

内容摘要

人类对物体的识别，尤其对人造物体，95％是对其外形的识别，因此形状识别是模式识别研究的一个重要领域。联想记忆神经网络经过多年的研究，目前的研究热点是联想记忆网络的应用研究问题。本课题针对联想记忆网络形状识别系统应用中出现的若干关键问题进行了深入研究。联想记忆网络在应用中的第一个问题是由于联想记忆网络要求输入信号必须是二值的，而特征矢量通常以实值分量出现，它不能直接用作联想记忆网络的输入，因此输入之前必须编码，所以第一个问题是采用何种方法进行编码。由于联想记忆网络是复杂的动力学过程，其稳定状态不仅是所记忆的状态，也可能是伪状态，所以第二个问题是如何明确表达其输出的含义。第三个问题是如何进行学习样本选择，以提高形状识别系统的识别正确率。对于输入编码问题，针对目前常用的基于阈值的二值法的局限性，我们提出了基于邻域统计信息的峰值检测算法。对于输出含义表达问题，我们提出了基于模式相似度的联想记忆网络输出判决法解决这个问题。对于样本选择问题，我们在进行了多种方案的比较实验并在这些工作的基础上提出了基于聚类和多类别综合判决的样本方法。经过实验验证，以上方法可以比较有效的解决上述问题。以上问题的解决对应用联想记忆神经网络形状识别系统解决实际问题具有很大的意义。在实际应用中我们发现对于实际的识别问题，如果单单利用模式的一个特征进行识别，效果并不是很理想。对于待识别的形状图像，经过Hough变换预处理后可以得到峰值个数，峰值初始位置，峰值间隔三个特征。我们在应用过程中提出的第四个问题是如何综合利用模式的这三个特征进行识别，以提高识别正确率。对于该问题，我们提出了基于信息融合技术的形状识别系统的方案，并初步实现了该系统。经过实验验证，该系统有效的提高了系统的识别率。

全文目录

第一章序言  10-12
  1．1 课题的研究意义  10-11
  1．2 本文的主要工作内容  11-12
第二章输入信号的二值编码  12-21
  2．1 基于阈值的信号二值编码法  12-15
  2．2 基于邻域统计信息的峰值检测法  15-20
    2．2．1 算法的提出  15-17
    2．2．2 算法描述与对比试验  17-20
  2．3 本章小结  20-21
第三章联想记忆网络的学习算法和输出表达  21-28
  3．1 联想记忆和神经网络简介  21-22
  3．2 网络的学习算法  22-25
    3．2．1 基于特征结构的权值计算法介绍  23-24
    3．2．2 算法实现实验  24-25
  3．3 联想记忆网络输出的有效表达  25-27
    3．3．1 三阶联想记忆网络作为模式识别分类器  25-26
    3．3．2 基于模式相似度的AM网络输出判决法  26-27
  3．4 本章小结  27-28
第四章联想记忆网络的样本选择  28-47
  4．1 联想记忆网络的样本选择试验  28-39
    4．1．1 记忆样本选取方法一  29-31
    4．1．2 记忆样本选取方法二  31-32
    4．1．3 记忆样本选取方法三  32-39
  4．2 基于聚类和多类别综合判决的样本选择方法  39-45
    4．2．1 方法介绍及实验验证  39-43
    4．2．2 实验结果分析  43-45
  4．3 本章小结  45-47
第五章待识别模式的特征深入分析  47-58
  5．1 待识别模式的特征再分析  47-48
  5．2 关于待识别模式的三种特征信息对识别结果影响的实验  48-56
    5．2．1 实验思想的提出：  48-49
    5．2．2 实验结果介绍：  49-56
  5．3 对待识别模式旋转，平移，缩放后特征的分析  56-57
  5．4 本章小结  57-58
第六章基于信息融合技术的形状识别系统初步研究  58-72
  6．1 信息融合技术用于目标识别  58-62
    6．1．1 D-S证据理论介绍  58-60
    6．1．2 结合多源信息的Dempster准则  60
    6．1．3 基本概率赋值的获取  60-62
  6．2．基于信息融合技术的形状识别系统设计方案  62-69
    6．2．1 系统结构  62-64
    6．2．2 参数优化  64-69
  6．3 系统初步实现及实验验证  69-70
  6．4 本章工作小结  70-72
第七章展望与回顾  72-75
  7．1 回顾  72
  7．2 展望  72-75
参考文献  75-78

相似论文

隐式用户兴趣挖掘的研究与实现,TP311.13
图像分割中阴影去除算法的研究,TP391.41
基于图分割的文本提取方法研究,TP391.41
牡丹EST-SSR引物开发及其亲缘关系分析,S685.11
高血压前期证候特征研究,R259
高忠英学术思想与经验总结及运用补肺汤加减治疗呼吸系统常见病用药规律研究,R249.2
K-均值聚类算法的研究与改进,TP311.13
大学生综合素质测评研究,G645.5
大豆品种对腐竹品质的影响及其品质评价体系的初步构建,TS214.2
21个荷花品种遗传多样性的ISSR分析,S682.32
基于聚类分析的P2P流量识别算法的研究,TP393.02
基于混合自适应遗传算法的动态网格调度问题研究,TP393.09
桃杂交后代（F₁）幼苗光合效能评价,S662.1
南通市农业面源污染负荷研究与综合评价,X592
土壤环境功能区划研究,X321
基因表达谱数据聚类分析方法比较与大豆疫霉基因的网络构建,S435.651
大豆杂种优势及其遗传基础研究,S565.1
象草自交后代无性系的饲用价值及生物质能特性初步评价,S543.9
细菌聚类算法及其在图像分割问题中的研究与应用,TP391.41
基于变异粒子群的聚类算法研究,TP18
K-means聚类优化算法的研究,TP311.13