版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、大慶石油學(xué)院碩士學(xué)位論文基于神經(jīng)網(wǎng)絡(luò)的圖像識別技術(shù)的研究姓名：王莉利申請學(xué)位級別：碩士專業(yè)：計(jì)算機(jī)應(yīng)用技術(shù)指導(dǎo)教師：許少華20070312ResearchofImageRecognitionbasedonNeuralNetworkAbstractTheImagerecognitionisdevelopinginthelast20years，whichhasbeenbecomingthemaincontestoftheclassifica
2、tionanddescriptionfor$onlgobjectsorprocess(regardingastheImage)，sotheimagerecognitionhasmanyextensiveresearchesHoweverthetraditionalimagerecognitiontechniqueismostlybasedonthefoundationoflargescalecalculating，suchastheim
3、agerecognitionofstatisticsandtheSentenceconstruction，buttherearetoomuchcontradictionbetweentheamountofcalculationandtheaccuracyofrecognitionInrecentlytheoewsolutionforthisproblemhasbeenresearchedfoHowingthedevelopingofth
4、eneuralnetworkThetechnologyofimagerecognitionbasedonNeuralNetworkisakindofnewstyleimagerecognitiontechnologywhichisdevelopedwiththetheoryofpresentcomputertechnology、Imageprocessing、artificialintelligenceandpaRemrecogniti
5、onItisamethodoftheimagerecognitionwiththealgorithmoftheNeuralNetworkbasedonthetraditionalimagerecognitionThisthesisanalysesthecurrentimagerecognitionmethodsbasedontheNeuralNetworkAccordingtotheimagerecognitioncharacteris
6、tics，twoimagerecognitionmodelswasputforward，theyarethecombiningofthegeneticalgorithmandtheBPNetworkandtheSupportvectormachineAndgivetwomodels’learningalgorithmanddetailappliedtechniqueThemaintaskofthisthesisisinthefollow
7、ingofaspects：1Thethesisconciselyintroducesthetheoryofimagerecognitionandsomekindsofmethodcommonlyusedinpatternrecognition2ThethesissetsanalysisontheintroductionoffeedforwardNeuralNetworkmodelandalgorithmItcombinestogethe
8、rthegeneticalgorithmwithBPNetwork，solvingthequestionthatthenetworkofBPiseasilytogetbuggeddowninthepartialdinkyweakness3ThethesissetsemphasisthemodelsofsupportvectormachinewhichcangetthebestanswerwhenthesampleisnotenoughW
9、eanalysisitsmoremodeclassifyingquestionandputtingupanewstrategyintoitAkindofdynamicsampletrainingmethodisputtingforward，whichcouldmakeSVMaddnewkindsofrecognitionclassanytimeyouwantAtlast，armingatpracticalmattersinimagere
溫馨提示
- 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請與我們聯(lián)系，我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于神經(jīng)網(wǎng)絡(luò)的圖像識別技術(shù)研究.pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的圖像識別.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的釘螺圖像識別技術(shù)研究.pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的圖像識別算法研究
- 基于量子協(xié)同神經(jīng)網(wǎng)絡(luò)的圖像識別.pdf
- 基于深度神經(jīng)網(wǎng)絡(luò)的腦脊液圖像識別技術(shù)研究.pdf
- 基于嗅覺神經(jīng)網(wǎng)絡(luò)的織物圖像識別.pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的圖像識別算法研究.pdf
- 基于人工神經(jīng)網(wǎng)絡(luò)的圖像識別和分類.pdf
- 基于進(jìn)化概率神經(jīng)網(wǎng)絡(luò)的紋理圖像識別.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的肝臟B超圖像識別研究.pdf
- 基于量子神經(jīng)網(wǎng)絡(luò)的腫瘤細(xì)胞圖像識別研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的圖像識別系統(tǒng)的研究.pdf
- 基于BP神經(jīng)網(wǎng)絡(luò)圖像識別的研究.pdf
- 基于組合矩和神經(jīng)網(wǎng)絡(luò)的圖像識別技術(shù)研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的動(dòng)態(tài)圖像識別的研究.pdf
- 基于BP神經(jīng)網(wǎng)絡(luò)的圖像識別與跟蹤研究.pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的圖像識別方法研究.pdf
- 基于人工神經(jīng)網(wǎng)絡(luò)的平面圖像識別研究.pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的宮頸細(xì)胞病變圖像識別研究.pdf
評論
0/150
提交評論