基于聚类分析和集成神经网络的序列图像多目标识别算法

计算机科学 ›› 2009, Vol. 36 ›› Issue (3): 215-219.

基于聚类分析和集成神经网络的序列图像多目标识别算法

出版日期:2018-11-16 发布日期:2018-11-16
基金资助:
本文受国家自然科学基金（No：60472072）,航天科技创新基金（No：06CASC0404）,陕西省教育厅科研项目（No：08JK241）资助.

Online:2018-11-16 Published:2018-11-16

摘要/Abstract

摘要： 针对现有的集成神经网络的训练子集选择时没有考虑样本空间的分布情况，使得构造的训练子集具有很大的随机性和主观性，集成的差异性不能有效保证的缺点，提出了一种新的基于Hu七阶矩、RPCL聚类分析和集成神经网络的序列图像多目标识别算法。该方法首先在训练视频中连续提取序列图像中的目标——人、人群、汽车，利用Hu七阶矩提取轮廓信息。为了防止Hu七阶矩对小目标和非刚体目标的描述能力弱的缺点，再提取图像的面积信息。其次对所提取的8维数据采用基于对手惩罚策略的竞争学习算法（RPCL）进行聚类分析，得到待分样本的分布。再次采

关键词: 聚类分析 Hu矩集成神经网络序列图像多目标识别

Abstract: These ensemble neural networks have great randomicity and arbitrary when choosing samples to build up the training subsets since they don＇t consider the distribution information of theses samples. The performance of ensemble will deteriorate greatly once

Key words: Clustering analysis, Hu moment, Ensemble neural network, Sequence image, Multi-objects recognition

. 基于聚类分析和集成神经网络的序列图像多目标识别算法[J]. 计算机科学, 2009, 36(3): 215-219. https://doi.org/