检索结果-南通市图书馆

从全色影像上进行居民地的自动提取和边缘优化在测绘生产中可以解决对地物的识别、提取的人工劳动强度大、工作繁琐的困难;同时,在地物分类、影像分析、目标识别等许多应用中均起着很重要的作用。本文围绕居民地的提取和边缘优化做了以下工作: 1、通过引入灰度均值、灰度方差、x方向和y方向的灰度变化频率、颗粒数、颗粒面积均值等六个有限阈值分割统计特征。提出了中小比例尺遥感影像纹理的有限阈值分割统计特征的方法。 2、利用自组织特征映射神经网络(SOM)方法,将不同阈值的分割统计特征量作为参数输入,建立提取居民地的神经网络模型。对含有需要居民地提取影像进行聚类分割得到所需的居民地图斑。 3、根据制图综合的要求以及本文算法的特征,在改变影像提取纹理特征阈值间隔和聚类步长的基础上制定了5项规则:去孔洞、取定面积阈值、消除四角一个像元的凸出,填充一个像元的凹陷、填充边缘上一个像元的凹陷、拉直具有n(n由影像分辨率和扫描分辨率确定)个像元凹陷或凸出的边缘来改善居民地图斑。并用数学形态学的方法实现了这种优化方法。利用本文所建立的居民地提取方法不用对每块居民地都给予种子点,一旦神经网络模型训练完成则可以对一批同期同源影像自动处理而不需要对每幅影像进行训练。从而可以方便、快捷、高效的提取居民地,很大程度上降低了人工干预的工作量。此方法提取的居民地边界比较规整,有利于进行优化。利用本文所制定的边缘优化规则和方法,能得到较好的居民地外部轮廓。

关键词：居民地信息特征提取纹理分析自组织特征神经网络有限阈值分割统计特征数学形态学

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

输油管道连接焊缝典型缺陷分类及损伤识别

输油管道连接焊缝典型缺陷分类及损伤识别

引用

作者：许鹏东北大学

学位级别：硕士

由于传统人工评片的诸多弊端,使得它越来越不能满足工业化生产的需要。随着计算机和图像处理技术的快速发展,促使了焊缝缺陷的检测要由人工识别过渡到计算机智能识别。本文是以实际工程需求为背景,以管道焊缝X射线检测底片为研究对... 详细信息

由于传统人工评片的诸多弊端,使得它越来越不能满足工业化生产的需要。随着计算机和图像处理技术的快速发展,促使了焊缝缺陷的检测要由人工识别过渡到计算机智能识别。本文是以实际工程需求为背景,以管道焊缝X射线检测底片为研究对象,利用神经网络、专家系统等智能手段实现自动评片。本文力求在能够准确提取各种缺陷的特征参数基础上,建立一个基于神经网络和传统专家系统相结合的焊缝图像识别系统。识别系统主要由图像处理模块和分类识别模块组成。图像处理模块主要内容包括降噪滤波、图像增强、边缘检测和图像分割。在识别模块中主要包括,一个自组织特征神经网络（SOFM）和一个起到辅助作用的专家系统。特征神经网路通过学习即可调整网络相关的参数如权矩阵和阈值向量,以达到输入的各个向量聚类的效果。传统专家系统是在特征神经网络识别出现失误的时候才会通过特定的机制自动被唤醒,使得识别系统能够继续完成识别工作。专家系统的推理机是正向推理并结合模糊推理,正向推理是选取知识库中当前焊缝有用的知识,并在没有找到相关信息情况下会进行以询问方式进行推理。通过实验和仿真,可以证明,神经网络能够准确的识别现有图片样本的一些典型缺陷,但在出现新缺陷或者缺陷特征不是特别明显时,会使得神经网络在分类时失败的例子也是存在的。这时,在专家系统的帮助下能准确的识别相应的缺陷,并能得到相应的焊缝等级。本文应用VC++建立了相应的焊缝缺陷识别系统,并实现了对现有的缺陷的识别,获得了相对理想的效果。

关键词：图像处理焊缝缺陷识别自组织特征神经网络专家系统

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基金评级结果质量的评估方法

引用

经营与管理 2013年第10期 76-78页

作者：吕沙沙孟志青浙江工业大学经贸管理学院

基金评级是基于基金的业绩特征将基金划分等级的行为,但基金业绩的一些相关指标之间往往表现出非线性动态的特征,使现有的评级方法造成误差,而SOM人工神经网络非常适合于描述非线性动态特征,并能很好地处理噪声数据和不完全数据。基于此... 详细信息

基金评级是基于基金的业绩特征将基金划分等级的行为,但基金业绩的一些相关指标之间往往表现出非线性动态的特征,使现有的评级方法造成误差,而SOM人工神经网络非常适合于描述非线性动态特征,并能很好地处理噪声数据和不完全数据。基于此,本文建立了一种SOM神经网络基金评级方法,将其自然划分的结果与评级机构的评级结构进行对比,以检验其评级结果,实证表明该方法具有很好的评级质量。

关键词：因子分析自组织特征神经网络评级机构

来源：

同方期刊数据库评论

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于机器学习的COX抑制剂预测模型研究

引用

计算机技术与发展 2017年第10期27卷 74-77,82页

作者：聂长森白勇柳贤德海南大学信息科学技术学院海南海口570228 海南大学农学院海南海口570228

针对目前COX(环氧合酶)抑制剂较少且抑制效果差的问题,以及传统的化学实验筛选COX抑制剂分子的方法中成本高且效率低的问题,基于机器学习算法,提出并建立了一种COX抑制剂的预测模型。该模型可高效且准确地找到COX抑制剂,通过大量搜集文... 详细信息

针对目前COX(环氧合酶)抑制剂较少且抑制效果差的问题,以及传统的化学实验筛选COX抑制剂分子的方法中成本高且效率低的问题,基于机器学习算法,提出并建立了一种COX抑制剂的预测模型。该模型可高效且准确地找到COX抑制剂,通过大量搜集文献中的数据建立数据集,使用Mold2软件计算化合物分子描述符,利用自组织特征映射神经网络(SOM)划分训练集和测试集,应用随机森林(RF)和支持向量机(SVM)等机器学习算法分别建立了COX抑制剂预测模型。实验对比发现,SOM结合RF算法较传统化学实验方法具有更好的预测精度,且预测效率也有大幅提升。实验研究表明,基于自组织神经网络和随机森立的机器学习方法建立的COX抑制剂预测模型,具有很好的分类预测效果,可以为COX抑制剂的分析与预测提供有力的研究工具。

关键词： COX抑制剂机器学习方法自组织特征神经网络随机森林支持向量机

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于KFDA-SOM的化工过程故障诊断研究

引用

工业控制计算机 2019年第4期32卷 15-16,20页

作者：蒋群丰南京理工大学自动化学院江苏南京210094

如今的工业过程规模大,复杂程度高,导致数据具有非线性、高噪声以及不均匀分布的特点。为了解决单一自组织特征神经网络(Self-organizing Maps,SOM)在非线性数据诊断中判别准确度低的问题,提出结合核Fisher判别分析KFDA(Kernel Fisher D... 详细信息

如今的工业过程规模大,复杂程度高,导致数据具有非线性、高噪声以及不均匀分布的特点。为了解决单一自组织特征神经网络(Self-organizing Maps,SOM)在非线性数据诊断中判别准确度低的问题,提出结合核Fisher判别分析KFDA(Kernel Fisher Discrimnant Analysis)的SOM故障诊断方法。该算法在对数据进行核化处理改善数据非线性特征后,引入Fisher判别分析对数据进行降维处理,使投影到新子空间的数据具有较大的类间距离。通过对田纳西伊斯曼过程(Tennessee Eastman Process,TEP)中的故障进行仿真研究,验证了KFDA-SOM算法在面对非线性数据的故障分类中具有更好的效果,符合实际工业诊断需求。

关键词：核线性判别分析自组织特征神经网络故障诊断田纳西伊斯曼过程可视化

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：