-
题名基于集成神经网络的植物叶片识别方法
被引量：12
- 1
-
-
作者
恩德
忽胜强
-
机构
河南理工大学电气工程与自动化学院
-
出处
《浙江农业学报》
CSCD
北大核心
2015年第12期2225-2233,共9页
-
基金
国家自然科学基金(41074090)
河南省科技计划重点攻关项目(092102210360)
-
文摘
针对植物叶片识别中识别精度低的问题,从叶片特征描述、分类器设计两个角度出发提出了一种基于集成神经网络的植物叶片识别方法。叶片特征由区域几何特征与纹理特征共同构成,其中区域几何特征由不变矩特征和叶片几何描述参数共同构成,叶片纹理特征利用灰度共生矩阵进行提取。在分类器设计方面,采用一种集成神经网络学习算法,用于解决多类别植物叶片分类问题,其基分类器由二类别分类器和互补分类器构成。为避免叶片特征受到旋转等因素的影响,需要对叶片图像进行预处理。在预处理后,利用集成神经网络分类器对叶片样本进行训练与识别。在Flavia叶片数据库中选取20类叶片,每类30张共计600张叶片进行试验,基于集成神经网络的植物叶片识别方法的平均识别精度为91%。与其他叶片识别方法相比,试验结果表明,此方法可以提高叶片识别的精度。
-
关键词
植物叶片识别
几何特征
纹理特征
集成神经网络
-
Keywords
plant leaf recognition
shape feature
texture feature
artificial neural network ensemble
-
分类号
S126
[农业科学—农业基础科学]
-
-
题名模糊熵在车载环境下语音端点检测中的应用
被引量：2
- 2
-
-
作者
恩德
张凤磊
张昭
忽胜强
-
机构
河南理工大学电气工程与自动化学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2016年第10期147-150,共4页
-
基金
国家自然科学基金项目(No.61405055)
国家安全监管总局安全生产重大事故防治关键技术科技项目(No.2012-307)
-
文摘
为了提高车载噪声环境下语音端点检测的准确性,介绍了一种新的时间序列复杂性测度:模糊熵,并将其应用于语音信号的特征提取。分别以样本熵和模糊熵提取含噪语音信号的特征,使用双门限法对语音信号进行端点检测,特征门限值使用模糊C均值聚类算法和贝叶斯信息准则算法确定。仿真结果表明在车载噪声环境下与样本熵算法相比,模糊熵算法能更好地区分噪声信号和语音信号,具有更好的端点检测性能,相同环境下模糊熵算法的错误率比样本熵算法降低了16%以上。
-
关键词
模糊熵
样本熵
语音端点检测
模糊C均值聚类算法
贝叶斯信息准则
-
Keywords
fuzzy entropy
sample entropy
speech endpoint detection
fuzzy C-means clustering algorithm
Bayesian Information Criterions
-
分类号
TN912.3
[电子电信—通信与信息系统]
-
