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:
蚁群算法具有离散性、并行性、正反馈性和鲁棒性,是目前较为先进的优化算法.利用蚁群算法的聚类能力,提出一种硬币识别新方法.根据硬币图像的特点,确定了6个有效的图像纹理特征函数,通过对硬币图像的特征函数值进行蚁群聚类,可有效实现各类硬币图像的识别.实验结果表明,该算法用于硬币识别可达到100%的识别率,并且识别时间较短,是一种有效的硬币识别方法.
推荐文章
基于蚁群算法的含水层参数识别方法
含水层参数估计
蚁群算法
唯一性稳定性
全局收敛
蚁群算法优化支持向量机的人脸识别
蚁群算法
人脸识别
支持向量机
特征检测
基于FPGA的蚁群算法硬件实现
蚁群算法
硬件实现
现场可编程门阵列(FPGA)
基于群体-蚁群优化算法
基于模糊蚁群的加权蛋白质复合物识别算法
蛋白质相互作用网络
蚁群聚类算法
模糊C-means
适应度
蛋白质复合物
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 基于蚁群算法的硬币识别研究
来源期刊 哈尔滨工程大学学报 学科 工学
关键词 蚁群算法 聚类 特征提取 硬币识别
年,卷(期) 2006,(6) 所属期刊栏目
研究方向 页码范围 882-885
页数 4页 分类号 TP183
字数 3362字 语种 中文
DOI 10.3969/j.issn.1006-7043.2006.06.020
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 毕晓君 哈尔滨工程大学信息与通信工程学院 126 1188 17.0 27.0
2 孙晓霞 哈尔滨工程大学信息与通信工程学院 1 25 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (15)
共引文献  (41)
参考文献  (5)
节点文献
引证文献  (25)
同被引文献  (57)
二级引证文献  (71)
1986(1)
  • 参考文献(0)
  • 二级参考文献(1)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(1)
  • 二级参考文献(0)
1999(6)
  • 参考文献(0)
  • 二级参考文献(6)
2000(4)
  • 参考文献(1)
  • 二级参考文献(3)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(4)
  • 参考文献(2)
  • 二级参考文献(2)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(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)
2008(2)
  • 引证文献(2)
  • 二级引证文献(0)
2009(2)
  • 引证文献(2)
  • 二级引证文献(0)
2010(7)
  • 引证文献(6)
  • 二级引证文献(1)
2011(6)
  • 引证文献(4)
  • 二级引证文献(2)
2012(8)
  • 引证文献(3)
  • 二级引证文献(5)
2013(8)
  • 引证文献(1)
  • 二级引证文献(7)
2014(9)
  • 引证文献(0)
  • 二级引证文献(9)
2015(15)
  • 引证文献(2)
  • 二级引证文献(13)
2016(10)
  • 引证文献(1)
  • 二级引证文献(9)
2017(10)
  • 引证文献(1)
  • 二级引证文献(9)
2018(7)
  • 引证文献(0)
  • 二级引证文献(7)
2019(8)
  • 引证文献(2)
  • 二级引证文献(6)
2020(4)
  • 引证文献(1)
  • 二级引证文献(3)
研究主题发展历程
节点文献
蚁群算法
聚类
特征提取
硬币识别
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
哈尔滨工程大学学报
月刊
1006-7043
23-1390/U
大16开
哈尔滨市南岗区南通大街145号1号楼
14-111
1980
chi
出版文献量(篇)
5623
总下载数(次)
16
总被引数(次)
45433
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导