【摘 要】
：
在监控系统中,由于摄像头的运动或目标的移动,对同一个目标,所采集的图像会有很大差别,因此就需要一个能准确识别目标的方法.该文提出了基于免疫克隆聚类的自适应竞争神经网
【机 构】
：
安徽工程科技学院计算机科学与工程系
论文部分内容阅读
在监控系统中,由于摄像头的运动或目标的移动,对同一个目标,所采集的图像会有很大差别,因此就需要一个能准确识别目标的方法.该文提出了基于免疫克隆聚类的自适应竞争神经网络原型向量求解算法,该算法充分利用免疫克隆的高效全局最优搜索能力构造数据聚类算法,将新聚类算法用于训练自适应竞争神经网络的原形向量.仿真实验结果表明,相比标准自适应竞争神经网络,该算法可以提高网络的识别性能,同经典的BP神经网络相比,该算法在识别率相当的情况下,样本的训练和测试时间都明显缩短.
其他文献
在图像不太复杂的情况下(如医学图像等),背景区域与前景区域在分布上有较为明显的区别,基于低层次语义描述(如灰度,梯度等)的图像分割算子仍然是寻找目标区域的主要手段,其中
基于Forsmer算子的基本原理,提出了一种角点提取的新算法.为了优化Forsmer算子计算复杂度,对Forsmer算子兴趣值的计算做了一点改进,并设置了新的阂值,通过实验与Harris算子进
本文提出了一种基于数据凸锥特性和正交子空间投影进行小目标检测的算法.文章中将高光谱数据集合视为高维空间中的凸锥体,利用计算锥体不同轴的转动惯量来提取代表图像信息的
不规则体体积测量有着广泛的应用,但是目前没有一个成熟的非接触方法对不规则体的体积测量,并且随着社会的发展,必然追求更高的精度和速度.本文提出了一种基于shape from foc
为提高对复杂环境下小目标的联合检测和跟踪性能,提出了一种基于粒子滤波的小目标TBD算法.通过粒子滤波对小目标的运动状态和出现状态进行联合采样,并采用UPF方法对TBD算法进
基于形态图(Aspect Graph)理论的视点空间划分在三维物体识别中正发挥着重要的作用,当前,形态图理论的应用瓶颈就是其高复杂度,本文所提出的消隐算法就是针对模型中的三角形
在合成孔径雷达(SAR)图像中检测识别舰船目标有着广阔的应用前景,但是国内外的研究只局限于应用某种算法对特定SAR图像去噪或目标检测,目前对特定SAR图像目标的检测率可达85％～9
针对可见光和红外图像中的各类团块目标,提出一种基于视觉注意模型的团块目标检测方法.该方法根据团块目标与背景在多种特征、多个尺度上的差异性,利用视觉注意模型确定目标
在常用的混合高斯法的基础上,提出一种改进算法,有效克服了摄像机的自动白平衡导致混合高斯法不可用的情况.该算法首先引入连续帧差法,将连续两帧图像差与混合高斯法的检测结
本文以中低分辨率光学海域图像中的舰船目标为研究对象,提出一种联合灰度和纹理特征的舰船目标检测方法.该方法利用改进的双参数恒虚警率(Constant False Alarm Rate,CFAR)方