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:
BP神经网络具有较强的容错性和自适应学习能力,因而在数字图像识别领域有着广泛的应用.本文在经典BP神经网络的基本算法的基础上,对BP算法的参数设置进行了优化,实现了一种基于分类的改进BP神经网络算法.通过探讨BP神经网络在数字图像分类识别中的应用,详细考察了各种参数对识别效果的影响.实验结果证明改进后的算法有很好的实用价值.
推荐文章
基于BP神经网络的智能制造系统图像识别技术
B/S模式
智能制造系统
BP神经网络
图像识别技术
基于Matlab神经网络的图像识别
人工神经网络
BP网络
图像识别
基于神经网络的图像识别方法
人工神经网络(ANN)
BP网络
MATLAB
图像识别
基于人工神经网络下的图像识别的研究
人工神经网络
BP神经网络
图像分割
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神经网络的图像识别研究
来源期刊 计算机与现代化 学科 工学
关键词 BP神经网络 动量因子 图像识别
年,卷(期) 2008,(5) 所属期刊栏目 图像处理
研究方向 页码范围 17-19
页数 3页 分类号 TP391.41
字数 2138字 语种 中文
DOI 10.3969/j.issn.1006-2475.2008.05.006
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 董槐林 厦门大学软件学院 25 246 10.0 15.0
2 张海波 厦门大学软件学院 4 82 4.0 4.0
3 龙飞 厦门大学软件学院 8 137 7.0 8.0
4 郭世可 厦门大学软件学院 2 53 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (31)
共引文献  (129)
参考文献  (11)
节点文献
引证文献  (43)
同被引文献  (64)
二级引证文献  (87)
1975(1)
  • 参考文献(0)
  • 二级参考文献(1)
1986(1)
  • 参考文献(0)
  • 二级参考文献(1)
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)
1995(2)
  • 参考文献(0)
  • 二级参考文献(2)
1996(2)
  • 参考文献(0)
  • 二级参考文献(2)
1998(2)
  • 参考文献(1)
  • 二级参考文献(1)
1999(4)
  • 参考文献(0)
  • 二级参考文献(4)
2000(4)
  • 参考文献(0)
  • 二级参考文献(4)
2001(6)
  • 参考文献(0)
  • 二级参考文献(6)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(5)
  • 参考文献(1)
  • 二级参考文献(4)
2004(6)
  • 参考文献(5)
  • 二级参考文献(1)
2005(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(4)
  • 参考文献(3)
  • 二级参考文献(1)
2008(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)
2009(6)
  • 引证文献(5)
  • 二级引证文献(1)
2010(7)
  • 引证文献(6)
  • 二级引证文献(1)
2011(5)
  • 引证文献(1)
  • 二级引证文献(4)
2012(13)
  • 引证文献(5)
  • 二级引证文献(8)
2013(18)
  • 引证文献(5)
  • 二级引证文献(13)
2014(13)
  • 引证文献(2)
  • 二级引证文献(11)
2015(8)
  • 引证文献(2)
  • 二级引证文献(6)
2016(12)
  • 引证文献(4)
  • 二级引证文献(8)
2017(12)
  • 引证文献(5)
  • 二级引证文献(7)
2018(18)
  • 引证文献(7)
  • 二级引证文献(11)
2019(11)
  • 引证文献(0)
  • 二级引证文献(11)
2020(7)
  • 引证文献(1)
  • 二级引证文献(6)
研究主题发展历程
节点文献
BP神经网络
动量因子
图像识别
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
计算机与现代化
月刊
1006-2475
36-1137/TP
大16开
南昌市井冈山大道1416号
44-121
1985
chi
出版文献量(篇)
9036
总下载数(次)
25
总被引数(次)
56782
论文1v1指导