基于嗅覺神經(jīng)網(wǎng)絡(luò)的織物圖像識別.pdf_第1頁
已閱讀1頁,還剩68頁未讀, 繼續(xù)免費閱讀

下載本文檔

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),請進行舉報或認領(lǐng)

文檔簡介

1、織物組織識別技術(shù)發(fā)展到今天,還沒有廣泛的投入到實際應(yīng)用中。這個技術(shù)的難點主要體現(xiàn)在組織結(jié)構(gòu)的多樣性以及噪聲的復雜性。組織結(jié)構(gòu)的多樣性這點難以改變,完全剔除所有噪聲也存在較大的困難。并且到目前,國際上只能對三類基本組織進行有效識別,對復雜組織的識別率還比較低。在這種背景下提出了應(yīng)用具有高抗噪聲能力的嗅覺神經(jīng)網(wǎng)絡(luò)對織物組織進行識別研究。
   本文首先對嗅覺神經(jīng)網(wǎng)絡(luò)進行了系統(tǒng)的研究,通過實驗數(shù)據(jù)分析,提出了改進的嗅覺神經(jīng)網(wǎng)絡(luò)。然后對

2、織物組織的預(yù)處理方法進行了實驗對比,并提出了改進的方案,最后利用改進后的8通道KⅢ模型嗅覺神經(jīng)網(wǎng)絡(luò)對織物組織進行識別。
   (1)分別對K0、KⅠ、KⅡ的數(shù)學模型進行了深入的實驗分析,并得出K0模型(PG層)在不同激勵情況下達到穩(wěn)定所需時長是收斂于一個常數(shù)的;分析了兩種KⅠ模型的詳細的輸入輸出特性;對在不同輸入電壓、不同輸入激勵時長下KⅡ模型(OB層)的輸入輸出特性也進行了詳細分析。
   (2)對KⅢ的數(shù)學模型進行了

3、深入實驗分析,通過實驗數(shù)據(jù)證實了過去學者的實驗方法的一些不妥之處,并對訓練方法和輸入值的處理上進行了改進,提高了整個KⅢ模型嗅覺神經(jīng)網(wǎng)絡(luò)的識別率。
   (3)實驗對比織物組織圖像經(jīng)過預(yù)處理后的識別效果,并根據(jù)實驗效果提出了新的提取組織點的方法。使對斜紋組織的識別率得到較大的提高。
   (4)對復雜變化組織的識別進行了研究,提出了最小循環(huán)周期內(nèi)進行間隔抽樣的方法,識別率較以往的方法有較大提高。
   以上實驗都

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)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(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確性、安全性和完整性, 同時也不承擔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

評論

0/150

提交評論