学位论文 > 优秀研究生学位论文题录展示

Fourier权函数神经网络研究及其在图像识别中的应用

作　者: 王丹
导　师: 张代远
学　校: 南京邮电大学
专　业: 计算机应用技术
关键词: 神经网络学习算法 权函数 Fourier级数 灰度共生矩阵 图像识别
分类号: TP391.41
类　型: 硕士论文
年　份: 2011年
下　载: 16次
引　用: 0次
阅　读: 论文下载
 

内容摘要


经过多年的研究,人工神经网络的研究已经取得了丰硕的成果。然而传统神经网络(BP、RBF)的权值是常数,训练的权值难以反映样本的信息,而且传统神经网络的模型难以确定,隐层神经元个数需要进行反复试验。文献[1][2]提出了一种新型的神经网路训练算法——样条权函数神经网络训练算法,权函数神经网络模型拓扑结构简单,同时该算法还克服了传统神经网络容易陷入局部极小、收敛速度慢、难以求得全局最优解等缺陷,使得神经网络研究进入了新阶段。论文是在样条权函数神经网络训练算法的基础之上,研究了Fourier权函数神经网络,即Fourier级数作为权函数。在理论部分首先构造了Fourier权函数神经网络模型;其次给出了Fourier权函数的确定方法;再次结合Fourier权函数神经网络模型对网络误差进行分析,求出网络误差的表达式;最后通过仿真实验,验证了与传统神经网络相比,Fourier权函数神经网络具有逼近精度高、训练速度快、泛化能力强等优点。论文将Fourier权函数神经网络应用于纹理图像识别中。图像识别是典型的模式识别问题。论文通过对纹理图像灰度共生矩阵的分析,提取出图像的纹理特征参数,并将提取的特征参数作为Fourier权函数神经网络分类器的输入,对纹理图像进行分类识别。通过实验与基于BP、RBF神经网络的图像识别方法相比,验证了Fourier权函数神经网络具有较高的识别精度。

全文目录


摘要  4-5
Abstract  5-8
第一章 绪论  8-11
  1.1 课题研究背景及意义  8-9
  1.2 论文研究内容及组织结构  9-11
    1.2.1 论文研究内容  9
    1.2.2 论文组织结构  9-11
第二章 神经网络概述  11-20
  2.1 人工神经网络介绍  11
  2.2 神经元模型  11-13
    2.2.1 生物神经元模型  11-12
    2.2.2 人工神经元模型  12-13
  2.3 神经网络的拓扑结构  13-14
  2.4 神经网络主要学习算法  14-15
  2.5 神经网络的学习规则  15-17
    2.5.1 Hebb规则  15-16
    2.5.2 离散感知器学习规则  16
    2.5.3 δ学习规则  16-17
    2.5.4 Widrow-Hoff学习规则  17
  2.6 典型神经网络简介  17-19
    2.6.1 BP神经网络  17-18
    2.6.2 RBF神经网络  18-19
  2.7 本章小结  19-20
第三章 Fourier权函数神经网络及其学习算法  20-49
  3.1 多输入单输出Fourier权函数神经网络  20-34
    3.1.1 多输入单输出Fourier权函数神经网络模型及学习算法  20-23
    3.1.2 Fourier权函数及其性质  23-24
    3.1.3 Fourier插值权函数的确定  24-27
    3.1.4 多输入单输出Fourier权函数神经网络误差分析  27-34
  3.2 Fourier权函数神经网络训练算法的一般结构  34-36
  3.3 Fourier权函数神经网络训练算法的误差分析  36-37
  3.4 Fourier权函数神经网络仿真实验  37-48
    3.4.1 实验环境介绍和网络拓扑结构  37-38
    3.4.2 实验过程与结果分析  38-48
  3.5 本章小结  48-49
第四章 Fourier权函数神经网络在纹理图像识别中的应用  49-63
  4.1 图像识别的定义  49
  4.2 基于图像的模式识别方法  49-52
    4.2.1 统计模式识别法  50
    4.2.2 句法模式识别法  50-51
    4.2.3 模糊集模式识别法  51
    4.2.4 神经网络模式识别法  51-52
  4.3 纹理的定义及纹理图像识别  52-53
  4.4 基于灰度共生矩阵的纹理特征提取方法  53-57
    4.4.1 灰度共生矩阵的定义  53-54
    4.4.2 灰度共生矩阵的参数  54-56
    4.4.3 基于灰度共生矩阵的特征提取算法  56-57
  4.5 Fourier权函数神经网络分类器实现纹理图像识别  57-58
  4.6 实验及实验结果分析  58-62
    4.6.1 实验目的  58
    4.6.2 实验方法  58-60
    4.6.3 实验结果  60-62
    4.6.4 实验对比分析  62
  4.7 本章小结  62-63
第五章 总结及展望  63-64
致谢  64-65
参考文献  65-68
攻读硕士研究生期间发表的论文  68

相似论文

  1. 多币种纸币处理技术的研究与实现,TP391.41
  2. 蚁群算法及其在气象卫星云图分割中的应用,TP391.41
  3. ASAR与MODIS协同的海洋溢油信息提取,X87
  4. 基于灰度共生矩阵和BP神经网络的织物组织结构识别,TP391.41
  5. 基于嵌入式技术的导盲机器人设计,TP368.1
  6. 一类工具加工痕迹的检验识别,TP391.41
  7. 权函数神经网络的MATLAB实现,TP319
  8. 复变权函数神经网络灵敏度研究及其应用,TP183
  9. 手机增强现实虚实注册关键技术研究,TP391.9
  10. B-样条权函数神经网络灵敏度研究及其应用,TN911.7
  11. 分子三次、分母二次有理样条权函数神经网络研究及应用,TP183
  12. 基于主动红外和超声扫描的倒装芯片缺陷检测研究,TN407
  13. 沈阳市绿地害虫专家咨询系统的建立,S436.8
  14. 混纺织物不同纤维的图像识别与定量分析,TP391.41
  15. JPEG图像重压缩检测及篡改定位,TP391.41
  16. 基于图像技术的智能报靶系统设计,TP391.41
  17. 基于平均灰度共生矩阵和特征的LSB匹配隐密分析,TP391.41
  18. 基于ANSYS的热权函数法分析系统开发技术研究,TH123.4
  19. 基于统计概率模型的图像目标识别技术研究,TP391.41
  20. 基于k-means的改进聚类融合算法的研究与应用,TP311.13
  21. 超高分子量聚乙烯基固体润滑剂添加剂改性及应用研究,TE624.82

中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理（信息加工） > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com