脈沖耦合神經網絡在模式識別中的應用.pdf

1、該文主要研究了脈沖耦合神經網絡(PCNN--Pulse Coupled Neural Network)在模式識別中的應用.首先結合PCNN的同步脈沖發(fā)放和側抑制特性,提出了基于改進型PCNN的圖像凹點檢測算法,該算法是一種自適應而有效的圖像凹點檢測方法,并且較好地仿真了人類視覺系統(tǒng);然后,結合信息傳遞和信息耦合特性,將PCNN擴展成PCNNs(PCNN網絡群),提出了一種基于PCNNs的圖像融合算法,能夠將多個傳感器獲取的同一目標的圖像

2、信息融合到一幅圖像中,有效模擬了人類視覺系統(tǒng);另外,結合PCNN的同步脈沖發(fā)放特性、捕獲特性和波的傳播競爭特性,開拓地將PCNN用于模式分類中,提出了基于耦合神經元點火捕獲/抑制特性的分類方法和改進的約束距離下的PCNN分類方法,前者可實現(xiàn)對樣本空間中任意復雜分布訓練樣本的穩(wěn)健非線性分類,而后者能夠消除訓練樣本中刺點對分類的影響;最后,結合累積差分圖像思想、PCNN波的形成與傳播特性,通過各神經元之間連接取向來選擇與控制自動波的流向,將