排序方式： 共有3条查询结果，搜索用时 62 毫秒
1
1.
研究了用于交通标志识别的小波神经网络模型,并描述了相应的算法,给出实验结果。实验结果表明,采用不变矩提取道路交通标志的特征,再利用训练速度快、优化性能好的小波神经网络作为分类器对交通标志识别具有很好的分类能力,对实现交通标志的精度识别提供了有力的支持。与传统的BP神经网络识别方法相比,小波神经网络的训练速度更快和识别率更高,能够满足在车辆自主导航系统中对交通标志识别的要求。 相似文献
2.
在多维异质网络中,由于承载不同的协议和网络,导致信道拥挤和分配不均衡。传统的多维异质网络信道分配算法采用基于信道切换的动态分配算法,在动态切换过程中易导致数据丢失和信道失衡。提出一种基于数据交叉项补偿机制的多维异质网络信道分配算法,进行多维异质网络信道协议分析与模型分析和求解,考虑用户间接收SINR的公平性,构建信道性能因子,引入一个局部性交叉项补偿信道切换中的失衡性实现算法改进。实验结果表明,改进算法使异质网络生命周期得到扩展,有利于数据的准确传输,避免在信道分配动态切换过程中导致的数据丢失和信道失衡,提高了分配效率和准确性,有效地保证了各用户接收SINR的公平性,信道分配性能上优越于传统算法,展示了较好的应用价值。 相似文献
3.
研究了用于交通标志识别的小波神经网络模型,并描述了相应的算法,给出实验结果。实验结果表明,采用不变矩提取道路交通标志的特征,再利用训练速度快、优化性能好的小波神经网络作为分类器对交通标志识别具有很好的分类能力,对实现交通标志的精度识别提供了有力的支持。与传统的BP神经网络识别方法相比,小波神经网络的训练速度更快和识别率更高,能够满足在车辆自主导航系统中对交通标志识别的要求。 相似文献
1