文献类型：期刊文章

作　　者：倪鹏[1,2] 黄蔚[3] 吕巍[3] 姚禹[1]

机构地区：[1]长春工业大学应用技术学院,长春130012 [2]长春工业大学软件职业技术学院,长春130012 [3]吉林大学计算机科学与技术学院,长春130012

出　　处：《吉林大学学报（理学版）》

基　　金：吉林省教育厅"十二五"科学技术研究项目(批准号:2014146);吉林省科技发展计划重点科技攻关项目(批准号:20140204033GX)

年　　份：2014

卷　　号：52

期　　号：6

起止页码：1284-1288

语　　种：中文

收录情况：AJ、BDHX、BDHX2011、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2013_2014、INSPEC、JST、MR、RCCSE、ZGKJHX、ZMATH、核心刊

摘　　要：针对交通监控图像识别精度较差的问题,设计一种基于径向基(radial-basis)函数神经网络的图像分类器.该分类器利用Zernike矩噪声敏感度较小、形状特征稳定性好的特点,构建四阶矩的特征向量,用于特征提取;利用自适应模糊聚类方法,解决径向基函数神经网络隐层节点数不确定的问题.仿真分析表明,该分类器与基于改进的快速模糊C均值聚类算法的Back Propagation网络分类器和径向基函数神经网络分类器相比具有更高的识别率,与改进的粒子群优化模糊C均值聚类算法的径向基函数神经网络分类器相比具有相近的识别率,但其计算复杂度较低.仿真实验结果表明,该方法具有较好的分类能力及较高的计算效率.

关 键 词：ZERNIKE 矩  模糊  C  均值 径向基神经网络 图像分类器  

分 类 号：TP335]