| 基于Zernike矩特征的FCM-RBF神经网络图像分类器 |
| |
| 作者姓名： | 倪鹏 黄蔚 吕巍 姚禹 |
| |
| 作者单位： | 1. 长春工业大学 应用技术学院, 长春 130012; 2. 长春工业大学 软件职业技术学院, 长春130012;3. 吉林大学 计算机科学与技术学院, 长春 130012 |
| |
| 基金项目： | 吉林省教育厅“十二五”科学技术研究项目,吉林省科技发展计划重点科技攻关项目 |
| |
| 摘 要： | 针对交通监控图像识别精度较差的问题,设计一种基于径向基(radial-basis)函数神经网络的图像分类器.该分类器利用Zernike矩噪声敏感度较小、形状特征稳定性好的特点,构建四阶矩的特征向量,用于特征提取;利用自适应模糊聚类方法,解决径向基函数神经网络隐层节点数不确定的问题.仿真分析表明,该分类器与基于改进的快速模糊C均值聚类算法的Back Propagation网络分类器和径向基函数神经网络分类器相比具有更高的识别率,与改进的粒子群优化模糊C均值聚类算法的径向基函数神经网络分类器相比具有相近的识别率,但其计算复杂度较低.仿真实验结果表明,该方法具有较好的分类能力及较高的计算效率.
|
| 关 键 词： | Zernike矩 模糊C均值 径向基神经网络 图像分类器 |
| 收稿时间： | 2014-04-30 |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《吉林大学学报(理学版)》浏览原始摘要信息 |
|
点击此处可从《吉林大学学报(理学版)》下载全文 |
|
