期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
一种基于不变距和PNN分类网络的图形识别方法 被引量:2
1
作者 傅明 易昂 +1 位作者 唐贤瑛 陈曦 《长沙交通学院学报》 2003年第1期11-14,共4页
图形识别是模式识别的一个重要分支。通过对待识别图形提取7个不变矩,然后将其送入概率神经网络加以识别,以达到对图形进行分类的目的。试验结果表明,该方法不仅能对通常的图形进行分类,而且能对有缺损、畸变的图形进行分类。
关键词 pnn分类网络 概率神经网络 不变矩 图形识别 模式识别 分类识别
下载PDF
基于图的Laplace矩阵和非负矩阵的图像分类 被引量:3
2
作者 蒋云志 王年 +2 位作者 汪斌 程志友 鲍文霞 《合肥工业大学学报(自然科学版)》 CAS CSCD 北大核心 2011年第9期1330-1334,共5页
文章将图的Laplace矩阵和非负矩阵分解方法结合起来,应用于图像分类。对不同的图像先提取其特征点,再对提取得到的特征点构造图的Laplace矩阵,将构造的矩阵进行非负矩阵分解后得到图像的特征向量,最后将特征向量输入到PNN分类器中,对图... 文章将图的Laplace矩阵和非负矩阵分解方法结合起来,应用于图像分类。对不同的图像先提取其特征点,再对提取得到的特征点构造图的Laplace矩阵,将构造的矩阵进行非负矩阵分解后得到图像的特征向量,最后将特征向量输入到PNN分类器中,对图像进行分类。对模拟图像和真实图像进行了多组实验,结果证明了该算法应用于图像分类的准确性和可行性。 展开更多
关键词 图像分类 图的Laplace矩阵 非负矩阵分解 pnn分类
下载PDF
基于声信号特征谱提取的发动机故障诊断系统设计 被引量:3
3
作者 王剑楠 《微型电脑应用》 2019年第8期119-123,共5页
针对当前发动机故障造成的危害,提出一种基于小波阈值去燥和PNN分类的故障诊断方法。针对声信号中噪声问题,提出采用加权平均值函数的方式对声信号特征进行提取,然后结合PNN算法的优势,通过训练样本的训练,对发动机故障进行分类。最后... 针对当前发动机故障造成的危害,提出一种基于小波阈值去燥和PNN分类的故障诊断方法。针对声信号中噪声问题,提出采用加权平均值函数的方式对声信号特征进行提取,然后结合PNN算法的优势,通过训练样本的训练,对发动机故障进行分类。最后以摩托车发动机故障为例,通过搭建发动机诊断系统,实现对发动机不同类型故障的诊断。 展开更多
关键词 声信号 pnn分类 加权平均值
下载PDF
基于谱-空-纹特征融合的高光谱影像分类方法 被引量:2
4
作者 姚娆 谢福鼎 《系统科学与数学》 CSCD 北大核心 2017年第10期2103-2110,共8页
文章提出了一种融合光谱信息,空间信息和纹理信息的高光谱影像分类方法.首先采用主成分分析降低高光谱影像的维度,然后利用灰度共生矩阵从各主成分提取纹理信息,并根据数学形态学特征和光谱信息定义了一种融合谱-空-纹的相似度距离,最... 文章提出了一种融合光谱信息,空间信息和纹理信息的高光谱影像分类方法.首先采用主成分分析降低高光谱影像的维度,然后利用灰度共生矩阵从各主成分提取纹理信息,并根据数学形态学特征和光谱信息定义了一种融合谱-空-纹的相似度距离,最后通过伪近邻(pseudo nearest neighbor,PNN)分类器对影像地物进行分类.为了说明所提出方法的有效性,文章对两个常用的具有不同空间分辨率和光谱分辨率的真实高光谱影像数据集进行了相应的实验,试验结果和比较结果表明,利用所提出的方法可以得到较高的分类精度. 展开更多
关键词 谱-空-纹 特征融合 pnn分类 高光谱分类
原文传递
基于SBKF-PNN融合的高填方渠道渗漏监测模型研究 被引量:4
5
作者 刘明堂 王丽 +2 位作者 秦泽宁 司孝平 刘雪梅 《应用基础与工程科学学报》 EI CSCD 北大核心 2019年第2期284-294,共11页
针对目前高填方渠道渗漏检测方法通常单一、数据获取易受环境干扰、渗漏等级难以分类等问题,研究了基于SBKF-PNN融合的高填方渠道渗漏实时监测模型.首先建立基于土质高填方渠段的实验模型,设计了基于ZigBee和GPRS的渗漏信息无线传感网络... 针对目前高填方渠道渗漏检测方法通常单一、数据获取易受环境干扰、渗漏等级难以分类等问题,研究了基于SBKF-PNN融合的高填方渠道渗漏实时监测模型.首先建立基于土质高填方渠段的实验模型,设计了基于ZigBee和GPRS的渗漏信息无线传感网络,将高填方渠道的温度信息、湿度信息、GPS信息和渗流信息进行可移动获取;结合高填方渠道渗漏规律,分析传感器多源数据变化的规律及其关联度,定义了高填方渠道渗漏的等级模式,筛选了温度场、电势场和电磁场等多传感器信息作为渗漏监测量;然后应用贯序式块卡尔曼滤波(Sequential Block Kalman Filter,SBKF)方法对多传感器数据块进行处理,同时采用概率神经网络(Probabilistic Neural Network,PNN)算法进行渠道渗漏的等级分类;最后用大量的实测数据对SBKF-PNN模型进行训练,得到高填方渠道渗漏监测的反演模型,并将该反演模型应用到实际的高填方渗漏监测中.结果表明,基于SBKF-PNN的渗漏监测模型可实现多传感数据块的实时滤波,有效融合多种环境量的突变特征,能较准确地实现高填方渠道渗漏等级分类. 展开更多
关键词 高填方渠道 渗漏监测 无线传感网 贯序块卡尔曼滤波 pnn分类
原文传递
上一页 1 下一页 到第
使用帮助 返回顶部