RBF神经网络用于工件边缘特征参数的提取

欢迎来到能源电力期刊网！

English Version 期刊登录

您当前的位置：

首页 >

文章列表页 >

RBF神经网络用于工件边缘特征参数的提取

综合研究 | 更新时间：2026-05-27

- RBF神经网络用于工件边缘特征参数的提取
- Extraction Object Edge Features by Using RBF Neural Networks
- 广东工业大学学报 2000年17卷第4期页码：28-33
- 作者机构：
- 作者简介：
- 基金信息：
- DOI：
  中图分类号：
- 网络首发：2000-11-16，
  
  纸质出版：2000
- 稿件说明：
移动端阅览
周维忠, 冯心海, 孙国基. RBF神经网络用于工件边缘特征参数的提取[J]. 广东工业大学学报, 2000, 17(4): 28-33.

ZHOU Wei zhong, FENG Xin hai, SUN Guo ji. Extraction Object Edge Features by Using RBF Neural Networks[J]. 2000, 17(4): 28-33.
周维忠, 冯心海, 孙国基. RBF神经网络用于工件边缘特征参数的提取[J]. 广东工业大学学报, 2000, 17(4): 28-33. DOI：

ZHOU Wei zhong, FENG Xin hai, SUN Guo ji. Extraction Object Edge Features by Using RBF Neural Networks[J]. 2000, 17(4): 28-33. DOI：

提出一种基于径向基函数神经网络 (RBFNN)的工件特征参数提取的方法

采用了两个径向基函数神经网络

利用第一个RBFNN分别求出工件的边缘点pi 邻域内的顺时针边缘与逆时针边缘与x轴的夹角

两边缘夹角小的边缘点pi 被认为是具有高曲率的角顶点 .根据工件边缘曲线的特征

建立了各种边缘的曲率符号模型

用该模型训练第二个RBFNN

从而识别具有低曲率的切点和拐点及边缘曲线的类型 .采用神经网络的方法提取工件特征参数

能准确地定位特征点

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于路况参数的混合动力机车能量管理策略研究

面向灾后救援的多无人机通感算一体化资源分配优化方法

融合沟道倾斜角的3D NAND存储单元建模及编程策略优化

多尺度对比嵌入增强的自适应入侵检测模型

基于AAGV-YOLOX模型的输电线路异物检测研究