检索结果-南通市图书馆

基于自适应动态无偏最小二乘支持向量机的刀具磨损预测建模

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

中国机械工程 2018年第7期29卷 842-849页

作者：肖鹏飞张超勇罗敏林文文华中科技大学机械科学与工程学院武汉430074 宁波大学机械工程与力学学院宁波315211

由于训练样本数量有限,滑动时间窗长度以及监测模型不能自适应调整和更新等因素,传统基于机器学习的刀具磨损预测模型存在精度和效率较低等问题,因此提出了一种基于自适应动态无偏最小二乘支持向量机(ADNLSSVM)的刀具磨损预测模型。采... 详细信息

由于训练样本数量有限,滑动时间窗长度以及监测模型不能自适应调整和更新等因素,传统基于机器学习的刀具磨损预测模型存在精度和效率较低等问题,因此提出了一种基于自适应动态无偏最小二乘支持向量机(ADNLSSVM)的刀具磨损预测模型。采用公开数据库中的铣削加工数据集,通过时频域分析和小波包分解等手段从振动信号中提取特征量,并进一步利用相关性分析从中选择有效特征量作为模型输入。试验结果表明该方法所建模型具有较高的建模效率和预测精度。

关键词：自适应动态无偏最小二乘支持向量机滑动时间窗自适应调整特征提取和选择刀具磨损

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

结构磁共振影像特征信息提取方法研究

结构磁共振影像特征信息提取方法研究

作者：赖春露山东大学

学位级别：硕士

阿尔兹海默症（Alzheimer’s Disease,AD）是一种最常见的痴呆症,发病者大多为老年人。AD是一种神经变性紊乱疾病,关于其发病机制目前仍未有非常明确的说法。AD病情的发展是一个渐进、平缓的过程,患者的记忆、注意力、语言等认知能力将... 详细信息

阿尔兹海默症（Alzheimer’s Disease,AD）是一种最常见的痴呆症,发病者大多为老年人。AD是一种神经变性紊乱疾病,关于其发病机制目前仍未有非常明确的说法。AD病情的发展是一个渐进、平缓的过程,患者的记忆、注意力、语言等认知能力将逐渐减退或者受损,最终患者会出现昏迷状况,通常死于感染等并发症。随着现在国家人口老龄化日益严重,AD的发病率会越来越高,由其引发的开销和损失也是不可估量的。对于AD患者以及他们的家人来说,除了巨大的经济负担以外,更难以承受的则是精神和情感上的巨大压力与折磨。临床和神经病理学研究已经极大地推进了人们对AD病理生理和疾病发展的认识,但是目前还没有任何诊断方法可以对活体个体进行AD的确诊,只有在个体死亡后对其进行尸检才能确诊。所以,寻找一种无创伤性的AD临床诊断方法具有重要的理论和实际意义。随着医学影像技术的发展,基于医学影像的临床评估方法已经逐渐成为AD临床诊断中一个重要组成部分,其中又以结构磁共振成像（structural magnetic resonance imaging, sMRI）的使用最为广泛。sMRI图像能够客观记录下从疾病潜伏期到发作期整个过程中AD患者脑结构生物标记的变化,这些数据能够从根本上改变人们对这种疾病的认识,并且能够影响和引导疾病的后续诊断和治疗。传统的sMRI图像处理方法工作量大、耗时长、过程复杂,对使用者的先验知识要求较高,现在需要一种全自动的sMRI数据分析方法来识别和检测受试者脑结构中潜在的AD生物标记。盲源分离、子空间学习和机器学习等信号处理方法的进展为全自动的sMRI数据分析方法提供了可能的技术手段,利用这些信号处理方法可以从受试者的sMRI数据中提取出关键信息并对其是否患有AD进行诊断。独立成分分析（independent component analysis,ICA）作为一种盲源分离方法,近几年有不少学者将其用于AD的sMRI数据分析。在这些研究中,研究者们假设各受试者的sMRI影像之间是相互独立的,然后用ICA对向量化后的sMRI影像做特征提取,提取出的特征用于后续对受试者的分类诊断。但这种模型在用ICA做特征提取时需要用到一组受试者的sMRI影像,当有新增单个受试者时无法立刻对其sMRI数据进行特征提取进,进而导致无法诊断。这一缺点使得这种诊断方法不符合临床诊断的需求,即在临床上希望每有一个新增受试者都可以即刻对其进行诊断。针对这一问题本文提出一种新的ICA特征提取模型,基于该特征提取模型的诊断方法可以对新增单个受试者进行诊断。该模型假设每个sMRI影像的各体素之间是相互独立的,然后先利用一组sMRI训练数据训练出解混矩阵,这样当有新增sMRI数据时可以利用训练好的解混矩阵即刻对其进行特征提取,进而进行后续的诊断,满足临床诊断的需求。仿真实验证明,本文提出的新的基于ICA的诊断方法可以达到与原ICA诊断方法相当的诊断准确率,且更符合实际诊断时的需求。包括ICA在内的很多线性特征提取方法在AD的sMRI数据分析上表现出了良好的性能,但是这些线性特征提取方法都需要将原始的三维sMRI影像向量化之后才能对数据进行分析。这样处理带来的后果是原始三维图像数据中的空间信息会遭到破坏,造成了大量有效信息的丢失;同时,sMRI影像的数据量非常大,因此向量化之后得到的向量维数非常高,而受试者的数量是有限的,这样就可能会导致小样本问题（under sample problem）。针对这些问题,本文主要提出了一种基于非相关多线性主成分分析（uncorrelated multilinear principal component analysis, UMPCA）和拉普拉斯分值（laplacian score, LS）的新分类诊断方法。UMPCA是一种多线性子空间学习方法,用其对sMRI数据进行特征提取可以用直接张量模型来表示三维影像数据并对其进行处理,而不需要将原始的三维sMRI数据向量化,保留了原始数据的空间结构信息,避免了前面所提到的向量化带来的问题;另外,特征提取后的信息仍有可能有一定的冗余度,在提取sMRI数据特征信息后加入了LS特征选择的过程,可以进一步减少冗余信息,降低计算复杂度,选取出区别度高的特征,有效地提高了之后诊断过程的准确率。仿真实验表明,同现有的诊断方法相比,本文提出的UMPCA-LS分类诊断方法准确率更高。

关键词：阿尔兹海默症结构磁共振成像特征提取和选择独立成分分析非相关多线性主成分分析拉普拉斯分值

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

宫颈液基细胞图像识别方法的设计和实现

宫颈液基细胞图像识别方法的设计和实现

作者：刘永发华南理工大学

学位级别：硕士

利用计算机技术和宫颈细胞病理学诊断技术对宫颈细胞图像进行定量分析和自动识别在宫颈癌前病变的诊断中具有重要的实用价值和应用前景。早期宫颈细胞学筛查,可以降低宫颈癌的死亡率。使用计算机辅助细胞学诊断系统筛查宫颈癌,可以很好... 详细信息

利用计算机技术和宫颈细胞病理学诊断技术对宫颈细胞图像进行定量分析和自动识别在宫颈癌前病变的诊断中具有重要的实用价值和应用前景。早期宫颈细胞学筛查,可以降低宫颈癌的死亡率。使用计算机辅助细胞学诊断系统筛查宫颈癌,可以很好的提高检查效率,减少人为误差。本文在前人研究的基础上,结合宫颈细胞病理学基础知识,分析和实现了宫颈细胞图像的特征参数的提取和选择以及宫颈细胞分类识别技术。内容主要涉及以下:提取出能有效对宫颈细胞进行分类识别的特征参数,主要包括形态、色度、纹理等共31个宫颈细胞特征参数,并标准化提取的细胞特征参数。在考虑特征选择的要求下,利用遗传算法从原始特征集中选择特征,同时考虑到遗传算法初始种群生成的随机性,提出一个特征选择的评价准则。采用满足特征评价准则得到的特征子集对宫颈液基细胞图像进行分类识别。本文中主要是采用BP三层人工神经网络模型设计分类器,采用动量-自适应学习速率调整算法改进BP算法。应用前面所取得的大量的数据样本对人工神经网络的权值进行训练。当训练误差小于规定值后,再应用数据样本对人工神经网络进行测试。本系统较好地实现了对宫颈细胞图像的细胞特征参数的提取和分类识别等功能。通过大量的实验对比结果可以知道,应用动量-自适应学习速率调整BP算法可以对子宫颈癌细胞进行较准确的分类。在本系统的开发过程中需要将计算机技术与病理学专家的实际经验相结合,在采用图像处理技术处理图像的基础上,应用人工神经网络对细胞进行分类识别,这在医学研究以及临床诊断方面具有一定的现实意义及比较广阔的应用背景。

关键词：宫颈细胞学人工神经网络特征提取和选择分类识别

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于机器视觉的汽车乘员类型识别系统研究

基于机器视觉的汽车乘员类型识别系统研究

作者：张昊吉林大学

学位级别：硕士

近年来,汽车安全气囊的广泛使用,大大降低了道路交通事故发生时的伤亡率。但普通安全气囊系统是根据第九十五百分位男性乘员的正常坐姿进行开发的,当发生事故时,小身材或者离位乘员极有可能受到安全气囊的二次伤害。因此,智能安全气囊... 详细信息

近年来,汽车安全气囊的广泛使用,大大降低了道路交通事故发生时的伤亡率。但普通安全气囊系统是根据第九十五百分位男性乘员的正常坐姿进行开发的,当发生事故时,小身材或者离位乘员极有可能受到安全气囊的二次伤害。因此,智能安全气囊系统的研究便应运而生。智能安全气囊可通过实时获取乘员类型等信息来动态决策气囊的展开时刻以及展开的强度等工作模式,进而完成对不同类型乘员的最佳保护。因此,乘员类型的识别和分类是安全气囊智能化的前提和核心。本文根据不同类型乘员边缘轮廓的差别性,采用图像处理技术和模式识别方法研究了不同乘员类型图像的特征提取和选择、分类器的设计等问题,在此基础上建立了乘员类型识别系统。本文的主要研究内容如下:1.乘员图像的采集和边缘提取。通过CCD相机采集副驾驶座上的乘员图像,并对图像进行预处理。本文根据乘员图像与车内背景的实际情况,首先将彩色图像灰度化,然后经过图像感兴趣区域获取、图像增强处理和边缘检测后,得到一个乘员边缘图像。2.边缘图像特征值的提取和选择。由于边缘图像可以被看作一个随机概率分布函数,可利用矩技术实现图像特征的提取。本文采用Hu矩和Zernike矩作为乘员图像提取的不变矩。特征向量的高维数不仅增加计算复杂度,而且会降低分类器的正确率,因此有必要对提取的特征进行选择优化。根据搜索策略和评价准则,选择微分进化算法（Differential Evolution,DE）对特征进行优化选择,结合封装原理,得到最优特征子集。3.不同乘员类型的分类识别。本文采用支持向量机模式识别方法对已知乘员类型进行学习训练,建立了乘员类型识别器。然后验证未知乘员类型,得到分类正确率。比较Hu矩、Zernike矩、Hu-Zernike矩和DE选择后特征向量的乘员类型分类识别正确率,实验结果表明,经过DE选择优化后的特征子集向量高于原始特征集的识别正确率。

关键词：乘员类型机器视觉特征提取和选择支持向量机

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于加速度传感器的人体动作识别方法研究

基于加速度传感器的人体动作识别方法研究

作者：韩建飞江苏大学

学位级别：硕士

人体动作识别是人工智能和模式识别领域的重要研究课题,在智能人机交互、智能监控、健康监控及人体运动能量消耗评估等众多领域,都有着重大的理论研究意义与广阔的发展前景。随着加速度传感器技术不断进步和发展,基于加速度传感器的人... 详细信息

人体动作识别是人工智能和模式识别领域的重要研究课题,在智能人机交互、智能监控、健康监控及人体运动能量消耗评估等众多领域,都有着重大的理论研究意义与广阔的发展前景。随着加速度传感器技术不断进步和发展,基于加速度传感器的人体动作识别受到更加广泛的关注,成为了研究的热点问题。近几年基于加速度传感器的人体动作识别已经由理论阶段逐步迈向了实际应用,取得了较大的发展。但是它仍然处于比较基础的时期,由于现实环境中存在很多的影响以及人体动作的多种多样,在人体动作识别中仍然存在很多需要解决的问题,包括如何针对实际应用设计合理的特征提取和更有效的特征选择方法,如何使动作识别分类器的分类识别精确度高、复杂度低,并有较强的泛化能力,如何使得识别方法的分类识别性能好。基于以上几个问题,本文主要提出了三个方面的研究工作:(1)在特征的提取和选择中,引入并分析了平均值、标准差、峰度、偏度、四分位差及三轴间的相关系数六个人体动作加速度特征,通过结合这六个特征对获取到的加速度数据进行训练和识别。(2)在分类器方法中,提出了样本特征边界加权支持向量机(Weight Features Weight Bounds Weight Support Vector Machine,WFWBWSVM)的分类器方法。该方法是在支持向量机(Support Vector Machine,SVM)的基础上,对分类器的分类边界进行了加权,并结合了对分类样本加权和对分类核函数特征加权,从而得到了更适合人体动作识别的WFWBWSVM的分类器。(3)在分类识别的过程中,通过引入有向无环图支持向量机(Directed Acyclic Graph Support Vector Machine,DAG SVM),根据分类器中训练样本集之间特征差异的大小,对分类器进行了分布排列,从而获得了基于特征差异的DAG SVM。对于本文提出的这三个方面的研究工作,利用实验验证了这些工作的可行性和有效性。

关键词：动作识别特征提取和选择样本特征边界加权支持向量机(WFWBWSVM) 向无环图支持向量机(DAG SVM) 特征差异

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

优化的极限学习机模拟电路故障诊断研究

优化的极限学习机模拟电路故障诊断研究

作者：汪斌斌桂林电子科技大学

学位级别：硕士

随着当今智能电子产品的快速发展和渗透社会的各个方面,由此电路系统检测与诊断已成为极具研究价值的战略性课题。电路系统中模拟电路集成度越来越高,一旦发生故障将导致电路系统的瘫痪。模拟电路的非线性和容差性的问题使得传统的诊断... 详细信息

随着当今智能电子产品的快速发展和渗透社会的各个方面,由此电路系统检测与诊断已成为极具研究价值的战略性课题。电路系统中模拟电路集成度越来越高,一旦发生故障将导致电路系统的瘫痪。模拟电路的非线性和容差性的问题使得传统的诊断方法和理论研究难以满足当下电路故障诊断需求,因此研究适用的和有效的模拟电路故障诊断方法显得尤为重要和急迫。随着群体算法和人工智能的迅速发展,为诊断理论和方法提供了新的有效途径。本文借此,以通用电路为对象分别从故障特征参数的提取、选择和故障分类器等方面进行研究,主要的研究工作和成果如下:(1)故障特征参数集提取和选择的研究。在故障特征参数集选择方面,本文采用自适应遗传算法(Adaptive Genetic Algorithm,AGA),AGA作为一种启发式搜索算法在最优化问题具有良好的效果。为保证特征参数之间的相关性,算法中适应度函数遵循散布矩阵规则,针对特征参数采样点的提取的原始特征参数采用二进制编码。通过实验验证在处理低维数据时拥有良好的效果。为了不局限于低维故障特征参数的处理能力,本文引入深度学习理论和方法。在高维特征参数提取方面进行了研究,利用深度学习网络稀疏自动编码机级联三层构建成堆叠自动编码机(Stack Auto-Encoder,SAE)。为了进一步提高堆叠自动编码机对高维数据提取能力的稳定性和准确性,文中研究了粒子群算法(Particle Swarm Optimization,PSO)对堆叠自动编码机网络权值和偏置的迭代寻优方法,然后进行实验验证了这一方法的可行性。(2)故障分类器的研究。本文以极限学习机(Extreme Learning Machine,简称ELM)作为故障分类器的基本网络,极限学习机网络具备参数配置少,权值和偏置随机赋值,网络学习速度和收敛快等特点。但是权值和偏置的随机赋值会对网络的稳定性有一定的影响,故文中提出了自适应狼群算法(Adaptive Wolf Pack Algorithm,简称AWPA)和构建了自适应狼群算法优化极限学习机的网络模型(AWPA-ELM)。其中自适应狼群算法是针对狼群算法(Wolf Pack Algorithm,简称WPA)在游走、召唤和围攻等行为缺乏学习能力,不能根据寻优空间和寻优资源的变化自我调整。文中引入自适应思想策略构建了自适应狼群算法,然后进行实验验证了该方法的可行性。

关键词：特征提取和选择故障诊断堆叠自动编码机自适应狼群算法极限学习机

基于全景穿刺图像分析的乳腺癌新辅助化疗疗效预测

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于全景穿刺图像分析的乳腺癌新辅助化疗疗效预测

作者：徐春燕南京信息工程大学

学位级别：硕士

乳腺癌是女性发病率和死亡率最高的恶性肿瘤,新辅助化疗是治疗乳腺癌的有效手段,有利于缩小肿瘤、降低肿瘤分期,将无法手术的肿瘤转化成可手术的肿瘤,提高患者无病生存率。临床医生根据自身经验以及患者的分子分型预估患者是否需要进行... 详细信息

乳腺癌是女性发病率和死亡率最高的恶性肿瘤,新辅助化疗是治疗乳腺癌的有效手段,有利于缩小肿瘤、降低肿瘤分期,将无法手术的肿瘤转化成可手术的肿瘤,提高患者无病生存率。临床医生根据自身经验以及患者的分子分型预估患者是否需要进行新辅助化疗,主观性较强且无法针对单一患者准确预测其化疗后的病理缓解程度,易导致化疗无效后患者错过最佳治疗时机。因此,本文旨在利用计算机图像处理技术对乳腺癌患者新辅助化疗前的全景穿刺图像进行定量化分析,预测患者新辅助化疗病理缓解程度,进而为医生对单一患者的诊断治疗提供客观依据。第一个工作中,本文构建基于深度学习的乳腺癌全景穿刺图像的肿瘤区域和细胞核分割模型。在肿瘤区域分割上,运用了骨架网络为Res Net101的UNet++网络训练肿瘤区域分割模型,取得较好性能。在细胞核分割上,本文提出基于残差单元和正负注意力模块的UNet网络,该网络可以更好地关注细胞核区域信息和非细胞核区域信息,在独立测试集上准确率达到0.9471,实现了细胞核的准确分割。第二个工作是在第一个工作的基础上提取组织形态学定量特征,构建新辅助化疗疗效预测模型。具体而言,本文应用第一个工作中的分割模型对临床370张全景穿刺图像进行肿瘤区域分割和细胞核分割,并基于分割结果提取肿瘤区域全局特征和细胞核局部特征共868维,其中全局特征集包含了全景图像的肿瘤区域分布和形态信息,图像块肿瘤区域内细胞核的纹理、分布、形态则用于表征局部特征。进一步地,本文基于m RMR、Wilcoxon、Relief、Fisher特征选择方法和RF、LDA、KNN、SVM分类器模型在三类分子分型上进行组合建模以预测患者新辅助化疗疗效。独立测试集上的实验结果表明,本文提出的新辅助化疗疗效预测模型在HER2和Luminal B(Her2+)型以及TNBC型患者层面分别取得了0.7564和0.8261的AUC值,相比图像块层面的结果具有更好的预测效能。此外,特征选择实验结果发现,细胞核像素特征和灰度值变换的微观特征在新辅助化疗疗效预测中至关重要。本文对乳腺癌患者全景穿刺图像定量分析,提取肿瘤区域全局特征和细胞核局部特征构建新辅助化疗疗效预测模型。该模型较好地预测了患者新辅助化疗的病理缓解程度,为医生判断乳腺癌患者是否需要进行新辅助化疗提供客观依据。

关键词：全景穿刺图像深度卷积神经网络组织形态学特征提取和选择疗效预测

基于CT图像的影像组学在肺栓塞诊断中的应用研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于CT图像的影像组学在肺栓塞诊断中的应用研究

作者：阮小伟宁夏医科大学

学位级别：硕士

目的探讨基于CT图像的影像组学特征在肺栓塞诊断中应用的可行性及价值分析,为临床诊断肺栓塞提供新的思路。方法回顾性分析我院2018年2月至2019年5月符合纳入标准的56例肺栓塞病例的CTPA图像。其中包括段级以上肺栓塞共34例,段级肺栓塞... 详细信息

目的探讨基于CT图像的影像组学特征在肺栓塞诊断中应用的可行性及价值分析,为临床诊断肺栓塞提供新的思路。方法回顾性分析我院2018年2月至2019年5月符合纳入标准的56例肺栓塞病例的CTPA图像。其中包括段级以上肺栓塞共34例,段级肺栓塞共22例。步骤:(1)在CTPA图像上观察肺动脉内有无栓子,并记录栓子的数量、位置及类型;(2)将所有入组病例图像均导入ITK-SNAP软件,选取栓塞动脉供血区域的最大层面,手动勾画感兴趣区(Region of Interest,ROI)作为病例组,其次选择对侧正常对应位置,勾画与病变侧相同面积的感兴趣区(ROI)作为对照组。(3)使用PyRadiomics分析软件进行影像组学特征提取;经过特征降维后得到3个更有辨别价值的组学特征。随机选择40例为训练集,16例为验证集。(4)采用多因素逻辑回归分析方法,在训练集中建立肺栓塞的预测模型,并在验证集中进行验证。构建ROC曲线并计算曲线下面积(AUC)评估模型的预测能力。结果根据病例组和对照组的不同,共提取660个影像组学特征,通过特征筛选最终得到3个影像组学特征最具有预测价值,分别为基于直方图特征的峰度、偏度和基于灰度共生矩阵(GLCM)的原变,基于以上三个特征所建立的模型在训练集和验证集的AUC值分别为0.779(95%CI,0.68-0.879)、0.742(95%CI,0.57-0.915)。结论(1)作为一种新的无创的预测方法,基于CT图像的影像组学模型显示出对于肺栓塞组和对照组良好的分类准确性。(2)影像组学模型中基于直方图特征的峰度、偏度和基于灰度共生矩阵(GLCM)的原变所建立的模型预测效能较好。(3)基于本研究结果,基于CT图像的影像组学分析,有望为周围型肺栓塞的诊断提供量化参数,从而指导临床制订个性化治疗方案。

关键词：肺栓塞 CTPA 影像组学特征提取和选择 ROC曲线

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于RBF神经网络的手绘电气草图识别研究

基于RBF神经网络的手绘电气草图识别研究

作者：曾艳艳湘潭大学

学位级别：硕士

CAD技术由于其简单快捷、存储方便等诸多优点使得它在众多领域的设计中有着不可替代的作用,它能够大大提高设计质量、缩短设计周期、共享设备资源和增强数据处理能力。但是它主要应用于设计的后期阶段,对于设计过程中的灵感捕捉,思维探... 详细信息

CAD技术由于其简单快捷、存储方便等诸多优点使得它在众多领域的设计中有着不可替代的作用,它能够大大提高设计质量、缩短设计周期、共享设备资源和增强数据处理能力。但是它主要应用于设计的后期阶段,对于设计过程中的灵感捕捉,思维探索帮助不大,不能满足设计早期阶段的需要。但纸上草图也有它自身的缺陷,缺少“设计记忆”,对设计方案难以存储、整理、搜索和重用,尤其缺少有效的互动交互性能。因此研究能够将纸笔的手绘草图和计算机结合起来的设计工具是设计师们所希望的,具有十分重要的意义。电路图设计在CAD技术中是一个非常重要的领域。本文针对CAD技术的缺陷,对手绘电气草图在线识别技术进行了深入研究。并对手绘电气草图在线识别的关键部分做了探讨和实验。本文工作主要如下： 1.研究了面向RBF神经网络分类器的手绘电气草图两级特征的选择和提取方法,定义了手绘电气草图的结构特征和关系特征,并将其应用到手绘电气草图的特征提取当中。特征的提取和选择是手绘电气草图识别中最关键的部分,特征提取的好坏将直接影响识别效果。本文采用最佳逼近能力的RBF神经网络对手绘电气草图进行在线识别。所以选择类间距离大,而类内方差小的特征能够取得很好的识别效果。本文对手绘电气符号的结构进行仔细观察分析,发现了面向RBF神经网络分类器的手绘电气草图的不变性可分性特点即手绘电气草图由一些基本笔划顺次构成且这些基本笔划之间存在着一定的约束关系;并将顺次构成手绘电气草图的基本笔划特征定义为结构特征,将构成手绘电气草图的这些基本笔划之间的约束关系定义为关系特征。将结构特征作为分类识别系统中的一级特征,专门预留0或1开头的两位十进制数作为其编码;将关系特征作为分类识别系统中的二级特征,专门预留2或3开头的两位十进制数作为其编码。并相应给出结构特征和关系特征的提取算法。 2.改进了RBF神经网络的中心学习方法。常用的RBF神经网络聚类算法的中心学习一般使用K均值算法,这种方法对初始聚类中心敏感,使得算法结果不够精确,甚至无法收敛。本文提出的改进学习方法能够克服上述提到的缺点,并能充分利用了训练样本信息,有效降低了孤立点对聚类效果的影响和提高聚类效率。 3.提出了一种用RBF神经网络组成的特殊的两级串联的分类系统。在模式识别中分类器的设计也是非常关键的技术。本文通过对多级分类器集成技术的分析,提出了一种用RBF神经网络组成的特殊的两级串联的分类系统。两级分类器均采用RBF神经网络。第一级分类器用作预分类,第二级分类器用作细分类。预分类采用一个RBF神经网络,用一级特征作为预分类的输入特征向量;细分类采用三个RBF神经网络,用二级特征作为细分类的输入特征向量。并通过实验验证了这种分类系统的有效性。

关键词：手绘电气草图在线识别特征提取和选择 RBF神经网络分类器聚类