- 
                题名基于RBF神经网络集成的三维模型分类和检索
                    被引量:4
            
- 1
- 
                
            
- 
                
                            作者
                                陈俊英
                                王羡慧
                                方亚萍
                
            
- 
                    机构
                    
                            西安建筑科技大学信息与控制工程学院
                            新疆大学信息科学与工程学院
                            中国寰球工程公司
                    
                
- 
                出处
                
                
                    《图学学报》
                    
                            CSCD
                            北大核心
                    
                2013年第2期26-30,共5页
            
- 
                        基金
                        
                                    陕西省自然科学基础研究计划资助项目(2012JQ8039)
                                    陕西省教育厅科研计划资助项目(11JK1036)
                                    西安建筑科技大学青年基金资助项目(DA05037)
                        
                    
- 
                    文摘
                        针对单个神经网络难以对复杂的三维模型特征空间有足够的优化能力和泛化能力的问题,用Boosting方法变种和基于粒子群训练的RBF神经网络,形成特征空间对应的多个神经网络,然后将神经网络集成,给出三维模型的分类信息。在三维模型检索时,将神经网络集成输出的分类信息和特征空间上的距离信息进行加权计算,得到三维模型之间的相似度。实验结果表明,基于RBF神经网络集成的分类方法能有效提高三维模型的分类准确率;同时,考虑特征空间上模型间的距离和语义分类层次上模型间的距离,能够大大提高三维模型的检索精度。
                        
                    
            
- 
                    关键词
                    
                            三维模型分类
                            三维模型检索
                            语义检索
                            rbf神经网络集成
                    
                
- 
                    Keywords
                    
                            3D model classification
                             3D model retrieval
                             semantic retrieval
                             rbf neural networks ensemble
                    
                
- 
                    分类号
                    
                            
                                
                                    TP391.3
[自动化与计算机技术—计算机应用技术]                                
                            
                    
                
- 
                
            
            - 
                题名基于集成RBF神经网络的小类别手写体汉字识别系统
                    被引量:4
            
- 2
- 
                
            
- 
                
                            作者
                                居琰
                                汪同庆
                                刘建胜
                                王贵新
                                彭健
                
            
- 
                    机构
                    
                            重庆大学光电工程学院
                    
                
- 
                出处
                
                
                    《计算机工程与应用》
                    
                            CSCD
                            北大核心
                    
                2002年第23期100-102,158,共4页
            
- 
                    文摘
                        该文介绍了RBF神经网络的模型,讨论了RBF网络分类器的机理和特点,提出了一种集成RBF神经网络并应用于小类别手写体汉字识别系统的设计,采用了组合重心分解网格特征方法来提取汉字特征,设计了遗传进化隐层节点自生成算法用于RBF的训练。实验表明该小类别手写体汉字识别系统有很高的识别率,具有一定的实用推广价值。
                        
                    
            
- 
                    关键词
                    
                            集成rbf神经网络
                            小类别手写体汉字识别系统
                            汉字特征提取
                            模式识别
                            人工神经网络
                    
                
- 
                    Keywords
                    
                            Pattern Recognition,Radial Basis Function Neural Network,Integration Neural Network,Handwritten Chinese Character Recognition
                    
                
- 
                    分类号
                    
                            
                                
                                    TP391.43
[自动化与计算机技术—计算机应用技术]                                
                            
                            
                                
                                    TP1
[自动化与计算机技术—控制理论与控制工程]                                
                            
                    
                
-