SOFM

作品数：151被引量：663H指数：13
导出分析报告
相关领域：自动化与计算机技术更多>>
相关作者：李双成李鑫环彭建王仰麟张镱锂更多>>
相关机构：北京大学浙江大学中国科学院华中科技大学更多>>
相关期刊：更多>>
相关基金：国家自然科学基金国家高技术研究发展计划国家重点基础研究发展计划山东省自然科学基金更多>>
-
在结果中检索

检索结果分析

结果分析中...
选择条件：
  • 期刊=计算机工程与科学x
共 条 记 录，以下是1-3
全选清除导出
参考文献引证文献引用追踪
视图：
排序：
基于SAM-CS和SOFM的胃上皮肿瘤细胞图像识别
《计算机工程与科学》2015年第8期1558-1565,共8页甘岚 孙开杰 谢丽娟 
国家自然科学基金资助项目(61163040;61402227);江西省教育厅资助项目(GJJ10451;GJJ14372)
针对胃上皮肿瘤细胞图像(以下简称肿瘤细胞图像)黏结严重和信息冗余的特点,提出了一种将自适应观测矩阵的压缩感知(SAM-CS)和自组织特征映射(SOFM)神经网络相结合的算法。该算法将肿瘤细胞图像拉成列向量,然后利用通过自适应过程产生的...
关键词：自适应观测矩阵 压缩感知 自组织特征映射 肿瘤细胞图像识别 
基于改进的SOFM神经网络的矢量量化方法被引量：4
《计算机工程与科学》2011年第12期126-129,共4页马勇 阮洋 
中国煤炭工业协会2010年计划项目(MTKJ2010-295)
基于Kohonen自组织特征映射(SOFM)神经网络的矢量量化图像压缩编码是一种非常高效的方法,但其码字利用不均匀,某些神经元永远无法获胜而产生"死神经元"的问题仍然十分明显。在追求为使各个神经元能以较为均衡的几率获胜,尽量避免"死神经...
关键词：KOHONEN SOFM 神经网络 矢量量化 图像压缩 
SOFM模型在杂草图像识别中的应用被引量：5
《计算机工程与科学》2011年第4期98-101,共4页王焱 王磊明 孙雁鸣 
针对在杂草图像分割方面存在使用阈值分割需要选择分割阈值、图像分割精度不高等不足,本文结合超绿特征分割算法和SOFM网络,构造出一种杂草图像识别模型——G-SOFM空间聚类模型。该方法是一种无监督学习方式,不需要指定阈值,利用网络自...
关键词：SOFM 杂草识别 图像分割 超绿特征 
全选清除导出
共1页<1>
检索报告 对象比较 聚类工具 使用帮助 返回顶部