基于强分类器的神经网络三维目标识别

• 作者: 何灏 罗庆生 罗霄
• 来源期刊: 计算机测量与控制
• 关键词: 模式识别 三维目标识别 神经网络 图像不变矩 强分类器
• 年，卷（期）: 2012,（7）
• 所属期刊栏目: 算法、设计与应用
• 页码范围: 1957-1959,1966
• 分类号: TP391.4
• 语种: 中文

摘要

在使用神经网络识别三维目标时,样本之间可能存在较大差异,会给准确识别带来困难；针对这一问题,提出了一种基于强分类器的三维目标识别方法；该方法首先对预处理后的图像求不变矩,并将这些不变矩作为训练和识别的样本；然后选择任意一种神经网络作为弱分类器进行训练,将首次训练的样本权值设为平均值,之后根据每次训练情况调整下层弱分类器样本的权值,之后将每次训练得到的分类器融合起来,作为最终的决策分类器；实验结果表明,在隐含层20个神经元的3层BP网络中,该方法的识别正确率比单个神经网络的平均识别正确率高2.42％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	罗庆生	北京理工大学机电学院	110	1158	17.0	29.0
2	罗霄	北京理工大学机电学院	4	24	2.0	4.0
3	何灏	北京理工大学机电学院	2	23	2.0	2.0