为解决卷积神经网络在提取图像特征时所造成的特征信息损失,提高图像检索的准确率,提出了一种基于改进卷积神经网络LeNet-L的图像检索算法。首先,改进LeNet-5卷积神经网络结构,增加网络结构深度;然
为解决电磁频谱中的未知信号分类和身份识别问题,提出一种基于改进卷积神经网络(CNN)LeNet-5模型的信号分类方法。该方法使用信号全双谱作为CNN的输入,然后通过改进的LeNet-5模型学习信号特征
针对高光谱遥感图像维数高、样本少导致分类精度低的问题,提出一种基于DS聚类的高光谱图像集成分类算法(DSCEA)。首先,根据高光谱数据特点,从整体波段中随机选择一定数量的波段,构成不同的训练样本;其次
基于卷积神经网络的手写数字识别算法研究,张荣磊,刘学,根据串行方式实现卷积神经网络的局限性,提出了基于MapReduce的卷积神经网络识别算法,使其在手写数字识别的准确率和速度上取得更好
基于多层区域卷积神经网络的图像情感分类
为确保高维数据的神经网络分类精度,提出了先降维后分类的方法。采用主成分分析(PCA)法实现高维数据的降维。通过分析传统BP算法,提出分两步来更新网络权值的扰动BP学习方法。采用MATLAB对降维分类算
基于小波神经网络的水文时间序列预测,孙井池,,由于气候因素及下垫面因素的综合影响,水文时间序列表现出复杂的非线性,一般的时间序列预测方法对非线性非平稳的信号不适用。小
针对传统方法进行图像分割易受噪声影响问题,提出了一种基于全卷积神经网络的林木图像分割方法。该方法不需要对图像进行预处理,利用上池化和反卷积层恢复图像分辨率,采用跳跃连接降低网络复杂度,同时避免了梯度消
图像阈值化是一种经典、简单而又非常有效的图像分割方法,并已得到了广泛的研究。在分析灰度图像直方图分布的基础上提出了一种基于细胞神经网络(CNN)结合直方图分析的图像阈值化方法,并给出了阈值化CNN所需
在基于样图图像修复思想的基础上,从填充顺序和匹配准则两个方面进行改进,提出了一种图像修复方法。优先级函数加入了面片梯度信息和方差信息,使得填充顺序能够正确地修复结构和纹理信息。匹配准则采用自定义的颜色