南开大学现代光学研究所,国家教育部光电信息科学技术开放实验室,天津 300071
鉴于学习样本对神经网络模型的模式识别性能有很大的影响,提出学习样本的选择应与识别模型所利用的特性相结合,并利用汉明;Hamming 距离对用于旋转不变识别的级联模型的学习样本进行优选,计算机对三个很相似的飞机模型进行识别,识别结果表明对学习样本进行有效的选择不仅可以减少系统的学习训练时间而且可以提高模型的识别能力。
神经网络 模式识别 学习样本 级联模型
南开大学现代光学研究所国家教委光学信息技术科学开放研究实验室, 天津 300071
提出利用线性判别函数,d(x)=W′x,对轰炸机和战斗机两类目标进行旋转不变识别。每一目标有72个旋转模式,其中9个为训练样本,63个为测试样本,在每个目标的训练样本中随机取一个相减作为线性判别函数的系数(Wij)的初始值,然后利用误判的训练样本优化判别函数的权值以提高函数的正确识别率。为便于光电实现,线性判别函数的权值系数只有2、1、0、-1、-2五个值。计算机模拟表明利用此判别函数进行分类的正确识别率达95.8%。文中还提出一个实现此线性判别函数的光电混合识别系统。
旋转不变 分类识别 线性判别函数 权值系数
南开大学现代光学研究所,国家教委光学信息科学技术开放实验室, 天津 300071
提出了一种适于光学实现的神经网络模型和算法,通过对3种飞行器平面内旋转投影图的识别,证明了该方法具有对多目标转动不变的模式识别能力。
互连权重 灰度阶 适应截值
