基于形状特征的小波神经网络目标识别方法

• 作者: 夏良正 潘泓
• 来源期刊: 数据采集与处理
• 学科: 工学
• 关键词: 目标识别 连续小波变换 小波神经网络 曲率描述
• 年，卷（期）: 2008,（1）
• 所属期刊栏目: 理论与试验研究
• 页码范围: 27-34
• 页数: 8页
• 分类号: TP183
• 字数: 6913字
• 语种: 中文
• DOI: 10.3969/j.issn.1004-9037.2008.01.006

摘要

利用小波神经网络整合小波分析提取信号局部奇异特征和人工神经网络自适应学习分类的优点,提出了一种基于目标边界形状特征的时频特性可调的小波神经网络识别方法.该方法根据目标边界曲率连续小波变换的模极值在多尺度下幅值及分布情况,确定边界奇异点,利用小波神经网络自动提取、调整奇异点的特征信息并完成分类.实验结果表明,与时频特性固定的小波神经网络,普通人工神经网络和传统的基于Fourier描述子的最近邻分类器相比,时频特性可调的小波神经网络具有更好的分类性能和抗噪能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	夏良正	东南大学自动化学院	63	1121	19.0	30.0
2	潘泓	东南大学自动化学院	17	198	8.0	13.0