您的位置： 专家智库 > >

贾财潮

作品数：9 被引量：27H指数：3
供职机构：上海交通大学电子信息与电气工程学院计算机科学与工程系更多>>
发文基金：国防科技技术预先研究基金更多>>
相关领域：自动化与计算机技术电子电信更多>>

合作作者

文献类型

  • 7篇期刊文章
  • 2篇学位论文

领域

  • 7篇自动化与计算...
  • 2篇电子电信

主题

  • 7篇目标识别
  • 5篇神经网
  • 5篇神经网络
  • 4篇动目标
  • 4篇自动目标识别
  • 3篇网络
  • 2篇识别方法
  • 2篇网络融合
  • 2篇ATR
  • 2篇不变性
  • 1篇多层前向网络
  • 1篇置信度
  • 1篇三维目标识别
  • 1篇神经计算
  • 1篇神经结构
  • 1篇视图
  • 1篇特征提取
  • 1篇前向网络
  • 1篇人工神经
  • 1篇人工神经网络

机构

  • 7篇西安交通大学
  • 6篇西安应用光学...
  • 3篇上海交通大学

作者

  • 9篇贾财潮
  • 5篇张季涛
  • 4篇谭玉山
  • 2篇于询
  • 2篇于洵
  • 1篇戚飞虎
  • 1篇周剑
  • 1篇杨玉孝

传媒

  • 3篇应用光学
  • 2篇光学学报
  • 1篇中国机械工程
  • 1篇大连理工大学...

年份

  • 1篇2001
  • 2篇1999
  • 4篇1998
  • 1篇1997
  • 1篇1995
共 9 条 记 录，以下是 1-9
全选 清除 导出
排序方式：
神经网络自动目标识别技术的研究
贾财潮
从二维视图识别三维目标的多网络融合方法被引量：9
2001年
提出了一种从二维视图识别三维目标的多网络融合方法 ,基于单个网络分类的置信度概念 ,有效地结合多个网络的输出结果作出最终分类判决。应用三个多层前向网络 (隐层神经元数、初始权值等取不同值 ) ,设计了基于分类确信度的多网络融合结构。对四类车辆目标进行的识别实验表明 。
贾财潮戚飞虎于询张季涛
关键词：三维目标识别置信度多层前向网络二维视图自动目标识别
基于人工神经网络的机械工具的识别方法
1999年
提出一种快速的、鲁棒性的人工神经网络目标识别方法。针对工业环境中常用机械工具的识别，通过正规化目标图像和正交复值的 Ｚｅｒｎｉｋｅ矩变换提取目标的平移、比例及旋转不变性特征，应用具有 ２ 个隐层的 Ｂ Ｐ网络学习与识别这些特征矢量。对 ４ 类具有一个自由度的机械工具进行识别实验，表明该方法优于最近邻分类决策规则，对噪声及特征矢量变化具有鲁棒性，并达到 ９５％ 的识别率。
贾财潮于询谭玉山
关键词：人工神经网络目标识别机械工具机器人
层析三维数字化仪层析图像滤波器的设计及研究被引量：1
1998年
提出一种新型的递归中值滤波器，抛掉了统计参数的制约，将滤波算法转化为一种优化处理。该方法兼顾了滤波处理的光滑连续性及抑制噪声的累积特性，可有效地消除脉冲型干扰的影响，同时也从理论的角度上对该算法进行了分析。为消除加性高斯噪声，提出了一种基于图像边缘方向的小波线性滤波器，它仅仅处理边缘信息。该算法的极大优点是克服了边缘模糊效应，小波的去噪逆向重构的处理方法对边缘为阶跃型的层析图像非常实用。
周剑贾财潮杨玉孝谭玉山
自动目标识别(ATR)神经计算技术研究
自动目标识别(ATR)被称为是一个挑战性的问题, 它必须从复杂的、不确定的数据中获取目标的主要信息,对此,传统的信号处理、模式识别和基于规则的人工智能技术都不能提供适合的方法.因此,该论文应用神经计算技术进行自动目标识别...
贾财潮
关键词：自动目标识别神经计算
基于 BP 网络的二维不变性目标识别被引量：1
1997年
为识别坦克等较复杂的目标，描述了一种神经网络分类方法；利用傅立叶描述器提取目标的形状特征，它具有不变性特性；利用多层ＢＰ网络进行分类。讨论了网络结构及模拟实验结果，认为ＢＰ网络对２Ｄ不变性目标识别具有良好的鲁棒性；
贾财潮于洵张季涛谭玉山
关键词：目标识别
神经网络自动目标识别技术述评(二)被引量：2
1998年
论述几种生物激励的神经网络模型，讨论它们在ＡＴＲ问题方面所取得的进展，最后给出本文结论。
贾财潮谭玉山张季涛
关键词：自动目标识别神经网络ART
神经网络自动目标识别技术述评(一)被引量：7
1998年
分析ＡＴＲ所面临的主要技术困难，指出神经网络对此能提供许多潜在的、富有成效的解决途经，进而论述神经网络自动目标识别的主要进展。
贾财潮张季涛
关键词：自动目标识别神经网络ATR自适应性特征提取
基于神经网络的二维不变性目标识别方法被引量：10
1999年
提出了一种基于多层前馈神经网络的二维不变性目标识别方法。利用傅里叶描述器提取具有旋转、平移及尺度不变性的目标形状特征。由于所识别的工业工具具有一个自由度， 它们的形状有一定的动态变化范围， 导致同一目标的形状特征矢量的不唯一性。文中采用含有两个隐层的多层前馈网络学习及识别这些特征矢量。在实验中， 对四类机械工具进行测试， 并将所提出方法与最近邻分类器进行比较。结果表明， 具有反向传播（ Ｂ Ｐ）学习算法的多层前馈网络对噪音和形状特征变化具有鲁棒性， 且它还能判断未训练样本。
贾财潮于洵张季涛
关键词：神经网络目标识别
全选 清除 导出
共1页<1>
聚类工具0