排序方式: 共有21条查询结果,搜索用时 118 毫秒
1.
2.
提出一种非监督K均值聚类的人脸识别方法,该方法首先根据人脸结构特征将人脸图像矩阵分块,接着自适应地计算每个分块在分类中的权值,最后根据类别的权值大小进行分类。实验中采用了Orl和Yale人脸库和最近邻分类器测试该方法,测试结果表明,此方法有效,且对光照和人脸表情具有很好的鲁棒性,较传统的经典人脸识别法具有更高的识别率。 相似文献
3.
用基于遗传算法的BP神经网络识别牛肉肌肉与脂肪 总被引:3,自引:3,他引:0
利用遗传算法的全局搜索能力,改进标准BP算法随机选取初始权重的不足,并构建了3-12-1的三层遗传BP神经网络,进行了3次牛肉肌肉与脂肪像素的分类试验,研究用BP网络对牛肉肌肉与脂肪两类像素点进行识别的可行性。以像素点的RGB值作为BP网络输入向量,每次训练集样本数62,测试集样本数43。测试的最终结果为:训练集的样本识别率分别为100%、100%、98.3871%;对应测试集的样本识别率分别为97.6744%、97.6744%、100%。试验结果表明,尽管基于遗传算法的BP神经网络对训练样本集以及测试样本集的肌肉和脂肪的识别率均在97%以上,但由于牛肉图像像素值在颜色空间中比较分散,有利于聚类的规律性不明显,因而是否可用BP网络来完成肌肉与脂肪的识别,还需要在网络拓扑结构、训练样本集等方面进一步研究。 相似文献
4.
5.
东北内蒙古重点国有林区“三总量”遥感检查探析 总被引:2,自引:1,他引:1
《林业资源管理》2013,(3):28-30
在回顾和总结"三总量"遥感检查方法的基础上,分析了影响采伐地块识别率的主要因素以及遥感检查的优点与不足,提出了完善"三总量"遥感检查的对策建议。 相似文献
6.
针对温室黄瓜霜霉病、角斑病、白粉病这3种常见病害图像的特点,提出了将支持向量机方法应用于黄瓜这3种病害识别中.首先选择HIS颜色空间作为图像特征提取的空间,以避免光照强度对图像获取的影响,然后利用支持向量机分类方法进行病害的识别.实验分析表明,HIS颜色系统基本上消除了图像获取时,光照强度对图像的影响;支持向量机分类方法在病害分类时训练样本较少,具有良好的分类能力和泛化能力.不同分类核函数的比较结果是径向基核函数的SVM方法对黄瓜这3种病害的识别率达到了90%以上,最适于黄瓜3大病害的分类识别. 相似文献
7.
8.
两个方向的费希尔主成分分析方法(2D)^2FPCA结合了二维主成分分析方法(2DPCA)和二维费希尔线性方法(2DFLD)的特点,很好地解决2DPCA特征提取时比传统PCA需要更多系数来表达图像信息的问题。根据木材体视图受光照影响及同一树种的样本图片之间差别较大等特点,适当增加了识别的类内散布矩阵从而提高了木材的识别率。(2D)^2FPCA为木材的智能识别提供了一条新途径。 相似文献
9.
10.
基于量子神经网络和组合特征参数的玉米叶部病害识别 总被引:1,自引:0,他引:1
【目的】探索一种基于量子神经网络和组合特征参数的玉米叶部病害识别方法,以提高玉米叶部病害识别的准确率和效率。【方法】应用K_means硬聚类算法对玉米叶部病害图像进行彩色图像分割,得到彩色分割图像,分别利用提升小波变换和灰度共生矩阵从彩色分割图像中提取颜色和纹理特征参数,利用多重分形分析从灰度图像中提取病害的形状特征参数。【结果】根据提取的组合特征参数,利用量子神经网络进行玉米病害分类识别,对玉米灰斑病、玉米普通锈病和玉米小斑病的识别率分别达到92.5%、97.5%和92.5%,高于误差反向传播神经网络法的识别率(分别为90.0%、90.0%和92.5%)。【结论】设计的方法可用于玉米叶部病害识别,并为其他农作物病害的智能识别提供借鉴。 相似文献