钛学术
文献服务平台
学术出版新技术应用与公共服务实验室出品
首页
论文降重
免费查重
学术期刊
学术导航
任务中心
论文润色
登录
文献导航
学科分类
>
综合
工业技术
科教文艺
医药卫生
基础科学
经济财经
社会科学
农业科学
哲学政法
社会科学II
哲学与人文科学
社会科学I
经济与管理科学
工程科技I
工程科技II
医药卫生科技
信息科技
农业科技
数据库索引
>
中国科学引文数据库
工程索引(美)
日本科学技术振兴机构数据库(日)
文摘杂志(俄)
科学文摘(英)
化学文摘(美)
中国科技论文统计与引文分析数据库
中文社会科学引文索引
科学引文索引(美)
中文核心期刊
cscd
ei
jst
aj
sa
ca
cstpcd
cssci
sci
cpku
默认
篇关摘
篇名
关键词
摘要
全文
作者
作者单位
基金
分类号
搜索文章
搜索思路
钛学术文献服务平台
\
学术期刊
\
工业技术期刊
\
自动化技术与计算机技术期刊
\
计算机与现代化期刊
\
基于K-means聚类和LVQ神经网络的OLED缺陷像素识别
基于K-means聚类和LVQ神经网络的OLED缺陷像素识别
作者:
唐彪
唐谦
林志贤
纪艳玲
郭太良
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
有机发光二极管
像素缺陷
K-means聚类
连通域
灰度共生矩阵
LVQ神经网络
摘要:
提出改进的K-means聚类分割和LVQ神经网络分类的方法,用于有机发光二极管显示面板喷墨打印制程中缺陷像素的识别.首先采用改进的K-means聚类算法对预处理后的打印像素进行分割,然后采用连通域水平矩形确定每一个打印像素的坐标及几何特征,再通过灰度共生矩阵提取其纹理特征,最后通过LVQ神经网络对所述特征进行分类,完成缺陷像素的标记及分类统计.结果 表明,本文算法的识别率明显优于其他常用分类识别算法,平均缺陷检测率为100%,分类准确率达到98.9%,单像素检测时间为8.3 ms.
暂无资源
收藏
引用
分享
推荐文章
基于深度信念网络的K-means聚类算法研究
K-means算法
深度信念网络
受限玻尔兹曼机
高维数据
聚类分析
FCM算法
基于变异的k-means聚类算法
聚类
mk-means算法
变异
K-means聚类算法的研究
数据挖掘
K-means算法
初始聚类中心
聚类分析
K-means聚类神经网络分类器在睡眠脑电分期中的应用研究
分类器
聚类
睡眠脑电
分期
内容分析
文献信息
引文网络
相关学者/机构
相关基金
期刊文献
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K-means聚类和LVQ神经网络的OLED缺陷像素识别
来源期刊
计算机与现代化
学科
工学
关键词
有机发光二极管
像素缺陷
K-means聚类
连通域
灰度共生矩阵
LVQ神经网络
年,卷(期)
2019,(7)
所属期刊栏目
图像处理
研究方向
页码范围
37-42
页数
6页
分类号
TP391.4
字数
4620字
语种
中文
DOI
10.3969/j.issn.1006-2475.2019.07.007
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
林志贤
福州大学物理与信息工程学院
139
647
13.0
19.0
2
郭太良
福州大学物理与信息工程学院
302
1102
15.0
21.0
3
唐彪
华南师范大学广东省光信息材料与技术重点实验室
7
7
2.0
2.0
4
纪艳玲
福州大学物理与信息工程学院
1
0
0.0
0.0
5
唐谦
福州大学物理与信息工程学院
3
0
0.0
0.0
传播情况
被引次数趋势
(/次)
(/年)
引文网络
引文网络
二级参考文献
(56)
共引文献
(43)
参考文献
(15)
节点文献
引证文献
(0)
同被引文献
(0)
二级引证文献
(0)
1995(1)
参考文献(0)
二级参考文献(1)
1997(1)
参考文献(0)
二级参考文献(1)
1999(2)
参考文献(0)
二级参考文献(2)
2001(4)
参考文献(0)
二级参考文献(4)
2002(6)
参考文献(1)
二级参考文献(5)
2003(1)
参考文献(0)
二级参考文献(1)
2004(1)
参考文献(0)
二级参考文献(1)
2005(7)
参考文献(0)
二级参考文献(7)
2006(8)
参考文献(1)
二级参考文献(7)
2007(4)
参考文献(0)
二级参考文献(4)
2008(6)
参考文献(2)
二级参考文献(4)
2009(5)
参考文献(2)
二级参考文献(3)
2010(2)
参考文献(0)
二级参考文献(2)
2011(2)
参考文献(2)
二级参考文献(0)
2012(3)
参考文献(1)
二级参考文献(2)
2013(3)
参考文献(1)
二级参考文献(2)
2014(3)
参考文献(0)
二级参考文献(3)
2015(2)
参考文献(0)
二级参考文献(2)
2016(4)
参考文献(0)
二级参考文献(4)
2017(5)
参考文献(4)
二级参考文献(1)
2018(1)
参考文献(1)
二级参考文献(0)
2019(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)
研究主题发展历程
节点文献
有机发光二极管
像素缺陷
K-means聚类
连通域
灰度共生矩阵
LVQ神经网络
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
主办单位:
江西省计算机学会
江西省计算技术研究所
出版周期:
月刊
ISSN:
1006-2475
CN:
36-1137/TP
开本:
大16开
出版地:
南昌市井冈山大道1416号
邮发代号:
44-121
创刊时间:
1985
语种:
chi
出版文献量(篇)
9036
总下载数(次)
25
总被引数(次)
56782
期刊文献
相关文献
1.
基于深度信念网络的K-means聚类算法研究
2.
基于变异的k-means聚类算法
3.
K-means聚类算法的研究
4.
K-means聚类神经网络分类器在睡眠脑电分期中的应用研究
5.
基于KD-树和K-means动态聚类方法研究
6.
基于K-means聚类算法的复杂网络社团发现新方法
7.
基于聚类中心优化的k-means最佳聚类数确定方法
8.
一种基于SOM和K-means的文档聚类算法
9.
基于数据抽样的自动k-means聚类算法
10.
基于Kd树改进的高效K-means聚类算法
11.
基于改进BA算法的K-means聚类
12.
基于MapReduce的K-means聚类算法的优化
13.
一种基于密度的k-means聚类算法
14.
K-means聚类算法初始中心选择研究
15.
改进K-means的空间聚类算法
推荐文献
钛学术
文献服务平台
学术出版新技术应用与公共服务实验室出品
首页
论文降重
免费查重
学术期刊
学术导航
任务中心
论文润色
登录
根据相关规定,获取原文需跳转至原文服务方进行注册认证身份信息
完成下面三个步骤操作后即可获取文献,阅读后请
点击下方页面【继续获取】按钮
钛学术
文献服务平台
学术出版新技术应用与公共服务实验室出品
原文合作方
继续获取
获取文献流程
1.访问原文合作方请等待几秒系统会自动跳转至登录页,首次访问请先注册账号,填写基本信息后,点击【注册】
2.注册后进行实名认证,实名认证成功后点击【返回】
3.检查邮箱地址是否正确,若错误或未填写请填写正确邮箱地址,点击【确认支付】完成获取,文献将在1小时内发送至您的邮箱
*若已注册过原文合作方账号的用户,可跳过上述操作,直接登录后获取原文即可
点击
【获取原文】
按钮,跳转至合作网站。
首次获取需要在合作网站
进行注册。
注册并实名认证,认证后点击
【返回】按钮。
确认邮箱信息,点击
【确认支付】
, 订单将在一小时内发送至您的邮箱。
*
若已经注册过合作网站账号,请忽略第二、三步,直接登录即可。
期刊分类
期刊(年)
期刊(期)
期刊推荐
一般工业技术
交通运输
军事科技
冶金工业
动力工程
化学工业
原子能技术
大学学报
建筑科学
无线电电子学与电信技术
机械与仪表工业
水利工程
环境科学与安全科学
电工技术
石油与天然气工业
矿业工程
自动化技术与计算机技术
航空航天
轻工业与手工业
金属学与金属工艺
计算机与现代化2021
计算机与现代化2020
计算机与现代化2019
计算机与现代化2018
计算机与现代化2017
计算机与现代化2016
计算机与现代化2015
计算机与现代化2014
计算机与现代化2013
计算机与现代化2012
计算机与现代化2011
计算机与现代化2010
计算机与现代化2009
计算机与现代化2008
计算机与现代化2007
计算机与现代化2006
计算机与现代化2005
计算机与现代化2004
计算机与现代化2003
计算机与现代化2002
计算机与现代化2001
计算机与现代化2000
计算机与现代化1999
计算机与现代化2019年第9期
计算机与现代化2019年第8期
计算机与现代化2019年第7期
计算机与现代化2019年第6期
计算机与现代化2019年第5期
计算机与现代化2019年第4期
计算机与现代化2019年第3期
计算机与现代化2019年第2期
计算机与现代化2019年第12期
计算机与现代化2019年第11期
计算机与现代化2019年第10期
计算机与现代化2019年第1期
关于我们
用户协议
隐私政策
知识产权保护
期刊导航
免费查重
论文知识
钛学术官网
按字母查找期刊:
A
B
C
D
E
F
G
H
I
J
K
L
M
N
O
P
Q
R
S
T
U
V
W
X
Y
Z
其他
联系合作 广告推广: shenyukuan@paperpass.com
京ICP备2021016839号
营业执照
版物经营许可证:新出发 京零 字第 朝220126号