基于改进的LVQ神经网络图像边缘提取研究

• 作者: 周媛 白国振 郎俊
• 来源期刊: 电子科技
• 学科: 工学
• 关键词: LVQ神经网络 边缘提取 人工鱼群算法 特征向量 MGLVQ
• 年，卷（期）: 2018,（6）
• 页码范围: 70-74
• 页数: 5页
• 分类号: TP391.4
• 字数: 3471字
• 语种: 中文
• DOI: 10.16180/j.cnki.issn1007-7820.2018.06.019

摘要

针对传统的学习向量量化神经网络(GLVQ)具有初始值敏感、数据浪费以及权值训练不稳定等缺点,提出了一种基于广义学习向量量化神经网络的改进算法(MGLVQ).MGLVQ神经网络是利用人工鱼群算法对权值离线粗调之后,再使用引入损失函数的梯度寻优算法对其进行在线细调.将该改进算法用于对图像每个像素的分类,实现图像的边缘提取.仿真结果表明,在Lena图像中GLVQ神经网络边缘点为整个像素的45.08％,而MGLVQ提取边缘点的比例为28.58％,即在整个像素分类中GLVQ比MGLVQ错误分类率高16.51％.相比于GLVQ神经网络,MGLVQ拥有更强的去除噪声的能力和更好的边缘检测效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	白国振	上海理工大学机械工程学院	64	381	10.0	17.0
2	周媛	上海理工大学机械工程学院	8	26	3.0	4.0
3	郎俊	上海理工大学机械工程学院	1	3	1.0	1.0