本课题提出并设计实现了一个新颖的图象数据库模型。该模型把传统数据库技术和自适应模式识别技术有机结合,通过改进距离度量准则和引入新的数据分布组织方式对SDM加以推广与扩展,从而将人脑的联想记忆机理运用于图象数据库的构造,使图象数据稀疏分布存貯于库中,存贮容量大、学习速度快、联想可靠。同时,以模型中的隐节点层为纽带,把图象数据库与Foxpro2.5系统连为一体,在保持成熟的关系数据库操纵技术的特征的基础上,具有基于物理图象的内容直接进行查询与检索(自联想)的显著特色,这都是传统数据库技术所无法实现和解决的。因该模型接近于人脑的信息管模式,其研究思想对多媒体数据库,图象信息系统,虑拟现实领域都是一个有力支持。
{{i.achievement_title}}
数据更新时间:2023-05-31
内点最大化与冗余点控制的小型无人机遥感图像配准
钢筋混凝土带翼缘剪力墙破坏机理研究
气载放射性碘采样测量方法研究进展
多源数据驱动CNN-GRU模型的公交客流量分类预测
平行图像:图像生成的一个新型理论框架
网络环境下的图象数据库技术
基于矩的图象分析方法
矿物晶体结构数据库及三维彩色图象显示绘图系统
叶类和花类中药的图象数据库和自动鉴别系统的建立