Алгоритмическое и программное обеспечение для классификации цифровых изображений с помощью вейвлет-преобразования Хаара и нейронных сетей; Известия Томского политехнического университета [Известия ТПУ]; Т. 319, № 5 : Управление, вычислительная техника и информатика

מידע ביבליוגרפי
Parent link:Известия Томского политехнического университета [Известия ТПУ]/ Томский политехнический университет (ТПУ).— , 2000-
Т. 319, № 5 : Управление, вычислительная техника и информатика.— 2011.— [С. 103-106]
מחבר ראשי: Буй Тхи Тху Чанг
מחברים אחרים: Фан Нгок Хоанг, Спицын В. Г. Владимир Григорьевич
סיכום:Заглавие с титульного листа
Электронная версия печатной публикации
Предложен новый алгоритм для классификации цифровых изображений, основанный на их цветовой информации, форме и текстуре. Разработана и реализована на языке объектно-ориентированного программирования C# программа для классификации цифровых изображений с использованием вейвлет-преобразования Хаара и многослойной нейронной сети. Сделан вывод о возможности использования коэффициентов прямого вейвлет-преобразования Хаара в качестве входных данных для нейронной сети при классификации цифровых изображений. Показано, что использование предложенного оригинального алгоритма, основанного на вейвлет-преобразовании Хаара и нейронной сети, дает возможность эффективной классификации цифровых изображений.
שפה:רוסית
יצא לאור: 2011
סדרה:Управление, вычислительная техника и информатика
נושאים:
גישה מקוונת:http://www.lib.tpu.ru/fulltext/v/Bulletin_TPU/2011/v319/i5/21.pdf
פורמט: אלקטרוני Book Chapter
KOHA link:https://koha.lib.tpu.ru/cgi-bin/koha/opac-detail.pl?biblionumber=206466
תיאור
תיאור פיזי:1 файл (403 Кб)
סיכום:Заглавие с титульного листа
Электронная версия печатной публикации
Предложен новый алгоритм для классификации цифровых изображений, основанный на их цветовой информации, форме и текстуре. Разработана и реализована на языке объектно-ориентированного программирования C# программа для классификации цифровых изображений с использованием вейвлет-преобразования Хаара и многослойной нейронной сети. Сделан вывод о возможности использования коэффициентов прямого вейвлет-преобразования Хаара в качестве входных данных для нейронной сети при классификации цифровых изображений. Показано, что использование предложенного оригинального алгоритма, основанного на вейвлет-преобразовании Хаара и нейронной сети, дает возможность эффективной классификации цифровых изображений.