您的位置： 专家智库 > >

付栋

作品数：2 被引量：3H指数：1
供职机构：燕山大学电气工程学院河北省工业计算机控制工程重点实验室更多>>
发文基金：河北省自然科学基金河北省教育厅科学技术研究计划河北省高等教育学会高等教育科学研究课题更多>>
相关领域：自动化与计算机技术更多>>

合作作者

文献类型

  • 2篇中文期刊文章

领域

  • 2篇自动化与计算...

主题

  • 2篇神经网
  • 2篇神经网络
  • 2篇径向基
  • 2篇径向基函数
  • 2篇径向基函数神...
  • 2篇基函数神经网...
  • 2篇RBFNN
  • 1篇遗传算法
  • 1篇神经网络结构
  • 1篇字符
  • 1篇字符识别
  • 1篇网络
  • 1篇网络结构
  • 1篇聚类
  • 1篇RBF
  • 1篇RBF网
  • 1篇RBF网络
  • 1篇车牌
  • 1篇车牌字符
  • 1篇车牌字符识别

机构

  • 2篇燕山大学

作者

  • 2篇张秀玲
  • 2篇付栋
  • 1篇李海滨
  • 1篇王振臣
  • 1篇程艳涛
  • 1篇齐晴

传媒

  • 2篇沈阳大学学报...

年份

  • 1篇2017
  • 1篇2015
共 2 条 记 录，以下是 1-2
全选 清除 导出
排序方式：
基于RBF神经网络结构混合优化的数字识别
2015年
以数字识别为应用背景构建RBF神经网络结构,首先把最近邻聚类算法与k-均值聚类算法应用于RBF神经网络隐层中心个数及中心值的确定中,实现了隐层中心个数与中心值的自适应获取;然后将遗传算法与伪逆法相结合来确定隐层中心宽度及输出权值;最后对混合优化的神经网络与传统的基于中心自组织学习算法优化的网络进行仿真实验.实验中使用未加噪声和添加噪声的数字样本对网络进行测试,与传统优化方法对比结果表明,应用该混合学习算法构建的神经网络具有识别能力强、计算量小的优点.
张秀玲付栋李海滨来永进王振臣
关键词：聚类遗传算法
混合优化的RBF网络车牌字符识别被引量：3
2017年
应用RBF神经网络对车牌字符进行识别.在网络中心参数确定阶段,对每类字符分别采用最近邻聚类和k-均值聚类相结合的算法来确定隐层中心值,从而解决传统k-均值聚类算法中初始聚类中心需要被人为确定的问题;中心宽度通常通过公式来确定,为了消除此方法对中心值的依赖性,选择遗传算法对中心宽度进行优化;输出层连接权值则采用违逆法确定.仿真结果表明,设计的RBF神经网络可以有效地识别字符.
张秀玲齐晴侯代标程艳涛付栋
关键词：车牌字符识别
全选 清除 导出
共1页<1>
聚类工具0