基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
本文提出一种应用BP神经网络识别工程图纸扫描图象分割后的图形符号的方法.此方法先对二值图象进行特征提取,并提出了改进学习算法,以加快收敛速度,从而实现图象识别.
推荐文章
基于径向基概率神经网络的工程图纸图形符号识别
径向基概率神经网络
图形符号
工程图纸识别
基于不变矩和神经网络的常用电气符号自动识别方法研究
不变矩
神经网络
电气符号
模式识别
基于神经网络的工程图知识表示方法研究
工程图
知识表示
人工神经网络
BP算法
基于网络和数据库技术的电力工程图纸管理系统
电力系统
图纸管理
网络技术
数据库
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于BP神经网络的工程图纸图形符号识别
来源期刊 微型电脑应用 学科 工学
关键词 神经网络 BP算法 特征矢量 图象识别
年,卷(期) 2000,(2) 所属期刊栏目 研究与设计
研究方向 页码范围 22-23
页数 2页 分类号 TP3
字数 1726字 语种 中文
DOI 10.3969/j.issn.1007-757X.2000.02.007
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 陈松乔 中南工业大学信息工程学院 8 156 5.0 8.0
2 杨万山 中南工业大学信息工程学院 1 28 1.0 1.0
3 唐连章 中南工业大学信息工程学院 1 28 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (6)
共引文献  (17)
参考文献  (3)
节点文献
引证文献  (28)
同被引文献  (17)
二级引证文献  (69)
1990(1)
  • 参考文献(1)
  • 二级参考文献(0)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(2)
  • 参考文献(0)
  • 二级参考文献(2)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(2)
  • 参考文献(2)
  • 二级参考文献(0)
2000(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2003(2)
  • 引证文献(2)
  • 二级引证文献(0)
2005(1)
  • 引证文献(1)
  • 二级引证文献(0)
2006(3)
  • 引证文献(3)
  • 二级引证文献(0)
2007(5)
  • 引证文献(3)
  • 二级引证文献(2)
2008(1)
  • 引证文献(0)
  • 二级引证文献(1)
2009(5)
  • 引证文献(4)
  • 二级引证文献(1)
2010(7)
  • 引证文献(6)
  • 二级引证文献(1)
2011(3)
  • 引证文献(2)
  • 二级引证文献(1)
2012(6)
  • 引证文献(2)
  • 二级引证文献(4)
2013(12)
  • 引证文献(2)
  • 二级引证文献(10)
2014(7)
  • 引证文献(1)
  • 二级引证文献(6)
2015(7)
  • 引证文献(0)
  • 二级引证文献(7)
2016(6)
  • 引证文献(0)
  • 二级引证文献(6)
2017(9)
  • 引证文献(1)
  • 二级引证文献(8)
2018(10)
  • 引证文献(1)
  • 二级引证文献(9)
2019(11)
  • 引证文献(0)
  • 二级引证文献(11)
2020(2)
  • 引证文献(0)
  • 二级引证文献(2)
研究主题发展历程
节点文献
神经网络
BP算法
特征矢量
图象识别
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
微型电脑应用
月刊
1007-757X
31-1634/TP
16开
上海市华山路1954号上海交通大学铸锻楼314室
4-506
1984
chi
出版文献量(篇)
6963
总下载数(次)
20
总被引数(次)
28091
论文1v1指导