基于ART2神經(jīng)網(wǎng)絡(luò)聚類的證書圖像檢索技術(shù)研究.pdf_第1頁
已閱讀1頁,還剩62頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、如何借助計算機技術(shù)快速準確判斷附件證明材料是否重復(fù)使用是國家科學(xué)技術(shù)獎勵評審迫切需要解決的問題。論文研究基于內(nèi)容的證書圖像檢索技術(shù),以解決從海量附件證明材料中的快速判別材料是否重復(fù)使用的問題,通過重點研究證書圖像特征提取方法以及基于聚類的分級檢索技術(shù),解決證書圖像檢索的難點問題-圖像特征提取和檢索效率問題。 在研究圖像特征提取方法方面,基于證書圖像特征的特殊性,論文在二值化證書圖像的基礎(chǔ)上,采用特征不變矩即偽Zernike不變矩

2、對特征進行描述;在詳細分析偽Zernike矩不變性的基礎(chǔ)上,給出了偽Zernike矩的改進方法,使得改進后的偽Zernike矩在保持旋轉(zhuǎn)不變性的同時,還具有真正意義上的比例不變性。在基于聚類的分級檢索技術(shù)上,基于ART2網(wǎng)絡(luò)具有在學(xué)習(xí)新的模式時不破壞已存儲的模式的優(yōu)點,論文采用ART2神經(jīng)網(wǎng)絡(luò)對特征矩的相似度進行聚類,可以快速的識別已存儲的模式,通過調(diào)整警戒參數(shù)協(xié)調(diào)網(wǎng)絡(luò)的穩(wěn)定性和可塑性,實現(xiàn)快速聚類,解決證書圖像的分級檢索問題。論文通過

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論