基于BP神经网络和支持向量机的文物分类研究
介绍一种综合BP神经网络和支持向量机的分类方法,提取直方图、灰度共生矩阵等多个文物图像的颜色、纹理、形状特征量作为神经网络的输入,并使用BP算法、L-M算法等不同的训练算法和Sigmoid函数、正切函数等不同的激励函数调整神经网络,以选取最佳准确率.针对神经网络存在的收敛速度慢,”过学习”等问题,利用支持向量机给出了解决方案,构造了古耀州瓷碎片图像的分类器,并将其应用于文物碎片分类中,取得了较高的分类准确率.
神经网络 BP算法 支持向量机 文物图像分类 文物碎片分类
周像金 耿国华 周明全 朱翔
西北大学可视化技术研究所,陕西,西安,710069
国内会议
太原
中文
446-449
2006-07-16（万方平台首次上网日期，不代表论文的发表时间）