神经网络图象匹配算法训练样本粗集求解

• 作者: 冯亚宁 李长河 石争浩 黄士坦
• 来源期刊: 中国图象图形学报A辑
• 学科: 工学
• 关键词: 粗糙集 神经网格图象匹配 训练样本 知识约简
• 年，卷（期）: 2003,（z1）
• 所属期刊栏目: 图象分割与匹配
• 页码范围: 458-461
• 页数: 4页
• 分类号: TP391.4
• 字数: 2829字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-8961.2003.z1.103

摘要

为了快速地进行神网络图象匹配求解,提出了一种基于粗集理论的神经网络图象匹配训练样本选择算法,即利用知识约简对神经网络图象匹配训练样本决策表进行属性约简,从而剔除了其中冗余的匹配信息.实验结果表明,该算法不仅能有效简化训练样本,以降低神经网络图象匹配系统的复杂性,还能减少神经网络图象匹配算法的训练时间.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄士坦		86	744	15.0	22.0
2	李长河	西安理工大学计算机工程与科学学院	39	545	13.0	22.0
3	石争浩		9	119	5.0	9.0
7	冯亚宁	西安理工大学计算机工程与科学学院	9	122	5.0	9.0