基于SCFNN圖像識別系統(tǒng)的研究.pdf

1、圖像序列中運(yùn)動(dòng)目標(biāo)識別是計(jì)算機(jī)視覺和圖像編碼研究的一個(gè)重要課題，在計(jì)算機(jī)導(dǎo)航，智能監(jiān)控系統(tǒng)，交通檢測，醫(yī)學(xué)圖像處理以及視頻圖像壓縮和傳輸?shù)阮I(lǐng)域都有廣泛的應(yīng)用。
　　 本文主要研究了一種新型的自組織模糊神經(jīng)網(wǎng)絡(luò)的理論，將其運(yùn)用到圖像識別系統(tǒng)中，通過實(shí)驗(yàn)證明其可行性和高效性，并最終實(shí)現(xiàn)了該圖像識別系統(tǒng)。
　　 本文研究的自組織模糊神經(jīng)網(wǎng)絡(luò)(Self-Constructing Fuzzy Neural Network, SCF

2、NN)是一種基于改進(jìn)Takagi-Sugeno-Kang模糊系統(tǒng)和規(guī)則的模糊模型，具有神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)能力。SCFNN的學(xué)習(xí)分為結(jié)構(gòu)學(xué)習(xí)和參數(shù)學(xué)習(xí)，結(jié)構(gòu)學(xué)習(xí)為網(wǎng)絡(luò)提供模糊規(guī)則，參數(shù)學(xué)習(xí)更新了網(wǎng)絡(luò)的連接權(quán)值和隸屬的參數(shù)。為了證明SCFNN運(yùn)用于圖像識別的有效性，本文還使用了Microsoft Visual C++6.0和MATLAB6.5編程對SCFNN進(jìn)行了仿真實(shí)驗(yàn)，并且將SCFNN的識別效果和其它神經(jīng)網(wǎng)絡(luò)相比較。實(shí)驗(yàn)證明將SCFNN運(yùn)用