基于链式竞争策略的图像识别研究

张力; 宋伟

doi:10.13873/j.1000-9787(2017)11-0067-03

Chinese

您当前的位置：

首页 >

文章列表页 >

基于链式竞争策略的图像识别研究

研究与探讨 | 更新时间：2025-09-11

- 基于链式竞争策略的图像识别研究
- Study of image recognition based on chain competitive strategy
- 传感器与微系统 2017年36卷第11期页码：67-69
- 作者机构：
  
  昆明理工大学信息工程与自动化学院
- 作者简介：
- 基金信息：
- DOI：10.13873/j.1000-9787(2017)11-0067-03
  中图分类号： TP18;TP391.41
- 纸质出版：2017
- 稿件说明：
移动端阅览
[1]张力,宋伟.基于链式竞争策略的图像识别研究[J].传感器与微系统,2017,36(11):67-69.

ZHANG Li, SONG Wei. Study of image recognition based on chain competitive strategy[J]. 2017, 36(11): 67-69.
[1]张力,宋伟.基于链式竞争策略的图像识别研究[J].传感器与微系统,2017,36(11):67-69. DOI： 10.13873/j.1000-9787(2017)11-0067-03.

ZHANG Li, SONG Wei. Study of image recognition based on chain competitive strategy[J]. 2017, 36(11): 67-69. DOI： 10.13873/j.1000-9787(2017)11-0067-03.

摘要

针对反向传播神经网络（BP-NN）在图像识别运算过程中容易陷入局部极小值的问题

提出了在常规的遗传算法（GA）中引入3个邻域的链式竞争

进行特征选择的图像识别方法。仿真结果表明:将引入链式竞争策略的遗传算法应用到反向传播神经网络中

可以使图像更清晰

提高了图像识别的容错性及效果。

Abstract

Aiming at problem that back propagation neural network（ BP-NN） is easy to fall into local minima in operation process in image recognition

introduce chain competition of three areas in the conventional genetic algorithm（ GA）. The improved GA is applied to BP-NN

which can make the image more clearer

and improve fault-tolerance and effect of image recognition.

关键词

Keywords

references

基于遗传算法优化神经网络的产品造型设计评价 [J]. 林琳,张志华,张睿欣. 计算机工程与设计 . 2015(03)

基于组合优化BP神经网络的模拟电路故障诊断 [J]. 郭阳明,冉从宝,姬昕禹,马捷中. 西北工业大学学报 . 2013(01)

基于均值滤波和小波变换的图像去噪技术研究 [J]. 颜兵,王金鹤,赵静. 计算机技术与发展 . 2011(02)

自适应分解层数的小波域中值滤波振动信号降噪法 [J]. 滕军,朱焰煌,周峰,李惠,欧进萍. 振动与冲击 . 2009(12)

基于竞争策略的链式智能体遗传算法用于特征选择的研究 [J]. 曾孝平,李勇明,王靖,张晓娟,郑雅敏. 系统仿真学报 . 2008(08)

基于小波变换的图像识别算法 [J]. 张振宇,黄崇林,谭恒松. 计算机应用 . 2007(S2)

基于BP神经网络的图像形状识别 [J]. 张华,张淼,刘魏,孟祥增. 计算机科学 . 2006(01)

Genetic algorithms for modelling and optimisation [J] . John McCall. Journal of Computational and Applied Mathematics . 2005 (1)

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于柔性压力传感器的睡姿识别方法研究

基于FPGA和CNN的水下目标识别系统

用于接触网可视化接地识别的改进VGG—16模型

基于图像识别的采血管血清液位检测

基于改进的BP神经网络的输油管道内腐蚀速率预测