(3.210.184.142) 您好!臺灣時間:2021/05/12 04:13
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果

詳目顯示:::

我願授權國圖
: 
twitterline
研究生:張銀村
研究生(外文):Chang ,Yin Ts'un
論文名稱:三階雙向組合記憶模型應用於圖樣辨識之研究
論文名稱(外文):An Application of Three Order Bidirectional Associative Memory Model to Pattern Recognition.
指導教授:鍾炳濤
指導教授(外文):Chung, Peing Tau
學位類別:碩士
校院名稱:中原大學
系所名稱:應用物理學系
學門:自然科學學門
學類:物理學類
論文種類:學術論文
論文出版年:1995
畢業學年度:83
語文別:中文
中文關鍵詞:三階雙向組合記憶圖樣辨識快速傅立葉轉換回憶率強韌性
外文關鍵詞:Pattern RecognitionFFTRecallel ProbabilityRobustness
相關次數:
  • 被引用被引用:0
  • 點閱點閱:62
  • 評分評分:系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:0
自從1985年Kosko由S.Grossberg的自適應性理論所起發,提出雙向組合記
憶模型以來,此一模型便被廣泛的應用再資料的處理與雜訊的過濾上 ,但
是再結果中仍有一些漢明距離存在.這是不是表示雙向組合記憶模型,對所
要辨識字元圖樣圖素的回憶率(Recall Probability)不夠理想?因而相對
的影響雙向組合記憶模型的效率呢?所以,如何改進模型的辨識率,提升圖
樣圖素的回憶率以及增加其強韌性(Robustness),成為文中所要研究的重
點.文中仍以BAM模型的架構為架構.三階雙向組合記憶模型是以圖像空間
向量與傅氏空間特徵向量,利用空間擴展的特性,將資料空間轉換至較高維
度的空間,使得原本資料轉為線性可分離,所建立的識別方法.其步驟如
下:1.利用CCD攝影機直接抓取圖像,將其二值化後存放於A矩陣中.2.將抓
取之圖像經FFT轉換,再給與二值化後將所得資料存放在B矩陣.3.將所得A
B矩陣經二極化得X Y矩陣.4.利用X Y矩陣以Hebbian法則建立W V記憶矩
陣.在辨識過程中,因三階BAM模型為一穩定性模型,可藉由一連串疊帶後得
到穩定的輸出值.文中以阿拉伯數字與英文字母的字元圖樣為範例,再含雜
訊0-30%時,此模型的辨識率與強韌性似乎不受雜訊的影響.當雜訊提高
到40%時,數字部份的辨識率及強韌性仍然維持,而英文字母部份則略受影
響.再將雜訊提高至45%時數字部份的辨識率降為90%而英文字母部份的辨
識率為65.8% .由此可知,相對於一階模型時三階雙向組合記憶模型的回憶
率及其強韌性均有進一步的改善.

QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
系統版面圖檔 系統版面圖檔