排序方式: 共有4条查询结果,搜索用时 109 毫秒
1
1.
2.
本文针对马铃薯分级手段落后,分级精度不高的问题,研究了采用基于结构风险最小化原理的支持向量机方法对模式类的识别能力,构造了对应的SVM识别过程和算法,该方法易于实现,且能够找到模式间的最优分类超平面,泛化能力明显提高。最后采用两种核函数,将SVM用于马铃薯分级识别以提取马铃薯外部特征与马铃薯级别之间的映射关系,从而实现模糊性的识别。实验结果表明,此方法对解决马铃薯识别问题具有良好的适应性和实用性。 相似文献
3.
针对过程神经元输入和网络连接权均可以是过程或时变函数,为解决过程神经元网络训练涉及的时域聚合运算问题,提出了基于权函数基展开的过程神经元网络学习算法。在网络输入函数空间中引入权函数正交基,将输入函数和网络连接权函数表示为该组正交基的有限项展开形式,利用函数基的正交性,可简化过程神经元在时间聚合运算中的复杂性,提高网络学习效率. 相似文献
4.
1