基于非线性时序模型的神经网络图形识别方法
提出了复数域非线性指数自回归(CNEAR)图形轮廓建模方法.构造了用于CNEAR模型参数估计的神经网络模型,利用该网络可解决非线性参数的估计问题.CNEAR模型参数具有平移、旋转和比例不变性并与计算起始点的选择无关.基于模型参数构造了特征向量,并设计了复数神经网络分类器,给出了复数神经网络学习算法.实验结果表明CNEAR模型在较低阶次即能获得较高的识别率,CNEAR模型对带噪声图形及形状差别较小图形的识别效果要好于复数域自回归模型方法.
图形识别、复数域非线性指数自回归模型、神经网络
25
TP2(自动化技术及设备)
2004-03-19(万方平台首次上网日期,不代表论文的发表时间)
共9页
467-475