论文研究 基于卷积神经网络的产品图像细分类

传统的基于边缘、颜色、纹理及机器学习等方法进行的车牌定位，需要对车牌图像进行复杂的特征提取，不但训练过程容易造成过拟合或者维数灾难，而且识别结果也易受光照、道路环境及图像质量等因素的影响，虽然漏识别率

脉冲信号分析的客观化是一个实际问题。 基于BP神经网络研究了脉冲信号的分类。 首先分析如何选择脉冲信号的特征因子。 然后提出了对脉冲信号进行无量纲化/归一化的方法来预处理特征因子。 利用归一化数据和B

利用基于RFM模型的自组织特征映射神经网络(Self-Organizing Feature Map,SOM)对移动客户进行细分,可以有效地解决各类别特征不明显、特征参数相互交错、非线性分布的类型识别问

卷积神经网络(CNN)具有强大的特征表示能力,为改善遥感影像的场景分类提供了新颖的途径。 尽管我们可以获取大量的卫星图像,但是缺少丰富的标签信息仍然是遥感领域的主要问题。 此外,遥感数据集也有其自身的

基于神经网络的图像分类，数据资源是基于CIFAR-10，内含训练测试数据（batch），是唐宇迪深度学习入门课程的修改代码，python3版本

利用卷积神经网络对轴承故障数据进行分类，通过构造简单的卷积神经网络，达到良好的识别分类效果

针对传统的遥感图像分类方法分类精度低的缺 点,提出了一种基于神经网络的分类方法。实验结果 表明,这种基于神经网络的分类器经过训练后,可应用 于遥感图像的分类,其分类精度明显高于传统的最大 似然分类法

针对卷积神经网络图像超分辨率算法中的映射函数容易出现过拟合、梯度弥散等问题，提出一种由卷积网络和反卷积网络构成的复合卷积神经网络算法。提出使用RReLUs和Softplus函数结合形式作为激活函数，有

为了进一步提高点云图像船舶分类方法的分类准确率,提出了一种基于三维卷积神经网络(3D CNN)的点云图像船舶分类方法。首先采用密度网格方法将点云图像转为体素网格图像,将体素网格图像作为3D CNN的输

基于神经网络的遥感图像分类-基于神经网络的遥感影像识别.pdf基于神经网络的遥感图像分类