基于Hopfield神经网络的自动聚类图象分割算法研究  

Study on automatic gathering image segmentation calculation method base on Hopfield neural network

作　　者：赵廷钊[1] 杜春玲[1] 

机构地区：[1]中国矿业大学(北京)机电与信息工程学院,北京100083

出　　处：《煤炭工程》2009年第10期90-91,共2页Coal Engineering

摘　　要：竞争Hopfield神经网络(Competitive Hopfield Neural Network),简称CHNN。它是一种融入优胜者全取(winner-takes-all-WTA)学习机制的Hopfield神经网络,它具有收敛速度快的特点。论文在此基础上,融入邻域相关信息,构造能量函数,用CHNN极小化该能量函数,从而在不需要预先知道分割类数的情况下,实现了自动确定聚类数目并给出聚类中心。这种分割方法不仅能自动确定聚类数,而且具有收敛速度快、抗噪能力强等优点。The competitive Hopfield neural network （CHNN） is a kind of Hopfield neural network which incorporates the winner - takes - all （WHA） learning mechanism and has the advantage of fast convergent speed. Incorporating the Spatial connectivity information for Image Segmentation Based On CHNN, an energy function is structured and is minimized using CHNN. There is not a need to know the clustering number beforehand. Determining the clustering number automatically and clustering center is achieved. The approach not only can determining the clustering number automatically, but also has the advantage of fast convergent speed, insensitiveness to noise, etc.

关 键 词：神经网络 邻域相关信息 能量函数 图象分割 

分 类 号：TP27[自动化与计算机技术—检测技术与自动化装置]