脈沖耦合神經(jīng)網(wǎng)絡(luò)在模式識(shí)別中的應(yīng)用.pdf

1、該文主要研究了脈沖耦合神經(jīng)網(wǎng)絡(luò)(PCNN--Pulse Coupled Neural Network)在模式識(shí)別中的應(yīng)用.首先結(jié)合PCNN的同步脈沖發(fā)放和側(cè)抑制特性,提出了基于改進(jìn)型PCNN的圖像凹點(diǎn)檢測算法,該算法是一種自適應(yīng)而有效的圖像凹點(diǎn)檢測方法,并且較好地仿真了人類視覺系統(tǒng);然后,結(jié)合信息傳遞和信息耦合特性,將PCNN擴(kuò)展成PCNNs(PCNN網(wǎng)絡(luò)群),提出了一種基于PCNNs的圖像融合算法,能夠?qū)⒍鄠€(gè)傳感器獲取的同一目標(biāo)的圖像

2、信息融合到一幅圖像中,有效模擬了人類視覺系統(tǒng);另外,結(jié)合PCNN的同步脈沖發(fā)放特性、捕獲特性和波的傳播競爭特性,開拓地將PCNN用于模式分類中,提出了基于耦合神經(jīng)元點(diǎn)火捕獲/抑制特性的分類方法和改進(jìn)的約束距離下的PCNN分類方法,前者可實(shí)現(xiàn)對樣本空間中任意復(fù)雜分布訓(xùn)練樣本的穩(wěn)健非線性分類,而后者能夠消除訓(xùn)練樣本中刺點(diǎn)對分類的影響;最后,結(jié)合累積差分圖像思想、PCNN波的形成與傳播特性,通過各神經(jīng)元之間連接取向來選擇與控制自動(dòng)波的流向,將