检索结果-维普期刊中文期刊服务平台

基于快速搜索的码书快速生成算法: 1; 作者刘评朱心雄《北京航空航天大学学报》 EI CAS CSCD 北大核心 1998年第1期64-67,共4页; 在ｋ维欧氏空间Ｒｋ中，给定一个有限子集Ｗ及一个向量ｘ，如何快速搜索Ｗ中与ｘ距离最近的向量，具有重要的实际应用价值，尤其在图像的矢量量化编码、自组织特征映射ＳＯＦＭ（Ｓｅｌｆ－ＯｒｇａｎｉｚｉｎｇＦｅａｔｕｒｅＭａｐｓ... 展开更多; 关键词量化码书 sofm算法快速搜索编码图像压缩; 在线阅读下载PDF 职称材料

Kohonen网络在烟叶动态分类中的应用被引量：4: 2; 作者贺英冯天瑾曹均阔《中国海洋大学学报（自然科学版）》 CAS CSCD 北大核心 2004年第1期121-127,共7页; 针对输入为高维化学指标数据的烟叶分类问题 ,提出 1种改进的 Kohonen自组织特征映射神经网络的聚类方法。在数据预处理时 ,加入了领域专家经验 ,对输入特征向量中的各个分量分配不同的分类参与度 ;用 Gauss邻域函数替代了标准 Kohonen... 展开更多; 关键词 KOHONEN网络烟叶动态分类 K-MEANS聚类算法分类参与度 sofm算法改进; 在线阅读下载PDF 职称材料

基于自组织特征映射神经网络的数字模式识别被引量：3: 3; 作者许新征曾文华《厦门大学学报（自然科学版）》 CAS CSCD 北大核心 2005年第3期333-336,共4页; 在分析自组织特征映射(SOFM)神经网络基本学习算法的基础上,从提高算法收敛速度和性能出发,提出了一种改进算法:随机选择样本输入次序;根据实际应用并结合专家经验确定初始连接权值;采用高斯函数作为拓扑邻域函数;将算法分成排序和收敛... 展开更多; 关键词自组织特征映射神经网络数字模式识别 sofm算法学习矢量量化自组织聚类随机选择改进算法收敛速度学习算法连接权值经验确定高斯函数样本分类噪声污染英文字母仿真实验分类精度学习率再利用邻域; 在线阅读下载PDF 职称材料

基于FPGA的局部天区星图识别技术被引量：2: 4; 作者江浩樊晓宇《导弹与航天运载技术》北大核心 2013年第1期68-70,共3页; 为了提高局部天区星图识别的实时性和抗噪声能力,提出基于FPGA平台的SOFM神经网络星图识别方法。首先从局部天区内选取导航星、构建导航三角形,然后利用SOFM网络的聚类功能对导航星三角进行归类,最后将训练好的网络应用到FPGA上,充分发... 展开更多; 关键词星图识别 sofm算法 FPGA 星三角; 在线阅读下载PDF 职称材料

题名基于快速搜索的码书快速生成算法: 1; 作者刘评朱心雄; 机构北京航空航天大学制造工程系; 出处《北京航空航天大学学报》 EI CAS CSCD 北大核心 1998年第1期64-67,共4页; 文摘在ｋ维欧氏空间Ｒｋ中，给定一个有限子集Ｗ及一个向量ｘ，如何快速搜索Ｗ中与ｘ距离最近的向量，具有重要的实际应用价值，尤其在图像的矢量量化编码、自组织特征映射ＳＯＦＭ（Ｓｅｌｆ－ＯｒｇａｎｉｚｉｎｇＦｅａｔｕｒｅＭａｐｓ）算法的码书迭代生成等问题中，快速搜索算法起决定性的作用．针对ＳＯＦＭ算法的具体特点，在分析已有快速搜索算法的基础上，给出了一种新的快速迭代码书生成算法，该算法兼顾了快速与节省内存问题．实验结果表明：提出的新算法的执行时间仅为已有算法执行时间的约４２％．另外，新算法在模式识别领域和计算机图形学领域均具有实际应用价值．; 关键词量化码书 sofm算法快速搜索编码图像压缩; Keywords rapid vector quantization self organizing feature maps algorithm fast search; 分类号 O229 [理学—运筹学与控制论] TN919.8 [电子电信—通信与信息系统]; 在线阅读下载PDF 职称材料

题名Kohonen网络在烟叶动态分类中的应用被引量：4: 2; 作者贺英冯天瑾曹均阔; 机构中国海洋大学电子工程系中国海洋大学计算机系; 出处《中国海洋大学学报（自然科学版）》 CAS CSCD 北大核心 2004年第1期121-127,共7页; 基金国家高科技研究发展计划 ( 86 3511910 14 1)资助; 文摘针对输入为高维化学指标数据的烟叶分类问题 ,提出 1种改进的 Kohonen自组织特征映射神经网络的聚类方法。在数据预处理时 ,加入了领域专家经验 ,对输入特征向量中的各个分量分配不同的分类参与度 ;用 Gauss邻域函数替代了标准 Kohonen网络的方形邻域 ;在 2个学习阶段学习率和邻域宽度采用了不同的递减函数。通过应用证明了改进后的 Kohonen网络的收敛效果和聚类精度比 K- means聚类方法和标准的 Kohonen网络都有较大的提高。; 关键词 KOHONEN网络烟叶动态分类 K-MEANS聚类算法分类参与度 sofm算法改进; Keywords tobacco classification K-means clustering algorithm Kohonen neural network classification participating level improvement of Self-Organizing Feature Map algorithm; 分类号 TP183 [自动化与计算机技术—控制理论与控制工程] TP301.6 [自动化与计算机技术—计算机系统结构]; 在线阅读下载PDF 职称材料

题名基于自组织特征映射神经网络的数字模式识别被引量：3: 3; 作者许新征曾文华; 机构厦门大学软件学院; 出处《厦门大学学报（自然科学版）》 CAS CSCD 北大核心 2005年第3期333-336,共4页; 基金福建省青年科技人才创新项目(2002J005); 文摘在分析自组织特征映射(SOFM)神经网络基本学习算法的基础上,从提高算法收敛速度和性能出发,提出了一种改进算法:随机选择样本输入次序;根据实际应用并结合专家经验确定初始连接权值;采用高斯函数作为拓扑邻域函数;将算法分成排序和收敛两个阶段,并分别采用不同的学习率和邻域函数.采用改进后的SOFM算法对输入样本进行自组织聚类,再利用学习矢量量化(LVQ)算法解决样本分类中的交迭问题,提高了分类精度.仿真实验结果表明,该网络能够识别常用的数字(0～9)和英文字母,特别是在有噪声污染的情况下,可以获得较好的效果.; 关键词自组织特征映射神经网络数字模式识别 sofm算法学习矢量量化自组织聚类随机选择改进算法收敛速度学习算法连接权值经验确定高斯函数样本分类噪声污染英文字母仿真实验分类精度学习率再利用邻域; Keywords self-organizing feature map learning vector quantization supervised learning pattern recognition; 分类号 TP391.4 [自动化与计算机技术—计算机应用技术] TN919.81 [电子电信—通信与信息系统]; 在线阅读下载PDF 职称材料

题名基于FPGA的局部天区星图识别技术被引量：2: 4; 作者江浩樊晓宇; 机构第二炮兵工程学院; 出处《导弹与航天运载技术》北大核心 2013年第1期68-70,共3页; 文摘为了提高局部天区星图识别的实时性和抗噪声能力,提出基于FPGA平台的SOFM神经网络星图识别方法。首先从局部天区内选取导航星、构建导航三角形,然后利用SOFM网络的聚类功能对导航星三角进行归类,最后将训练好的网络应用到FPGA上,充分发挥SOFM并行性算法的优势,以并行流水线的方式来星图识别。仿真结果显示:SOFM算法比传统的三角形算法具有更强的抗噪能力,而使用FPGA进行识别比使用串行处理器在速度上可以提高20多倍。; 关键词星图识别 sofm算法 FPGA 星三角; Keywords Star map identification sofm method FPGA Tri-star; 分类号 V448.25 [航空宇航科学与技术—飞行器设计]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于快速搜索的码书快速生成算法	刘评朱心雄	《北京航空航天大学学报》 EI CAS CSCD 北大核心	1998	0	在线阅读下载PDF 职称材料
2	Kohonen网络在烟叶动态分类中的应用	贺英冯天瑾曹均阔	《中国海洋大学学报（自然科学版）》 CAS CSCD 北大核心	2004	4	在线阅读下载PDF 职称材料
3	基于自组织特征映射神经网络的数字模式识别	许新征曾文华	《厦门大学学报（自然科学版）》 CAS CSCD 北大核心	2005	3	在线阅读下载PDF 职称材料
4	基于FPGA的局部天区星图识别技术	江浩樊晓宇	《导弹与航天运载技术》北大核心	2013	2	在线阅读下载PDF 职称材料