Fourier权函数神经网络研究及其在图像识别中的应用

被引:0
作者
王丹
机构
[1] 南京邮电大学
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;
D O I
暂无
年度学位
2011
学位类型
硕士
导师
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。
引用
收藏
页数:68
共 13 条
[1]
神经网络新理论与方法.[M].张代远著.清华大学出版社.2006,
[2]
Visual C++数字图像获取、处理及实践应用.[M].杨枝灵;王开等编著;.人民邮电出版社.2003,
[3]
木材涂饰与视觉物理量.[M].李坚等编著;.东北林业大学出版社.1998,
[4]
模式识别与神经网络.[M].殷勤业等编译;.机械工业出版社.1992,
[5]
生物控制论.[M].涂序彦等 编.科学出版社.1980,
[6]
基于神经网络的图像识别系统的研究 [D]. 
王丽华 .
中国石油大学,
2008
[7]
基于分形维度与灰度共生矩阵的图像分类研究 [D]. 
黄晶 .
武汉理工大学,
2008
[8]
基于组合矩和神经网络的图像识别技术研究 [D]. 
陈强 .
南京理工大学,
2007
[9]
Color texture classification by integrative Co-occurrence matrices.[J].Christoph Palm.Pattern Recognition.2003, 5
[10]
A logical calculus of the ideas immanent in nervous activity.[J].Warren S. McCulloch;Walter Pitts.The Bulletin of Mathematical Biophysics.1943, 4