第Ｊ７卷第４捌２００５年１２月宁波工程学院学报ＪＯＵＲＮＡ【０ＦＮＩＮＧＢＯＵＮＴＶＥＲＳＩＴＹ０ＦＴＥＣＨＮＯＩ．０ＧＹＶｏｌ１７Ｎｏ４自组织神经网络实现基于内容的图片识别朱南丽（宁波工程学院．浙江宁波３】５叭６）摘要：本文总结了一种蜜现基于内客的图片识别（ｃＢＩＲ）的方法，这种识别方法可以基于图片本身的内容进行图片的查找。为了实现图片的聚类及相关图片的查找，本文采用了Ｋｏｌ＇０ｎｅｎ自组织神经网络。关键词：基于内容的图片识别（ｃＢＩＲ）；自组织神经阿络（ｓＯＭ）；神经网络（ＮＮ）中图分类号：ＴＰ３１７４文献标识码：Ａ文奄编号：１００８—７１０９（２００５）０４一∞２５—０３在图片数据库中进行基于内容的图片获取是…项长期处于研究状态的项鼠。随着越来越多的可视信息的创建，数字化的图片及图像库得以广泛应用，但获取和浏览这些大量增长的信息的技术仍是有限且不成熟的。近年来许多项目陆续开展起来，研究和开发基于内容的图片获取的有效系统，其中最著名的是由ＩＢＭ阿尔马登研究中心开发的ＱＢＩｃ（Ｑｕｅ。ｙＢｙＩｍ８９ｅｃｏｎｔｅｎｔ）。本文试图采用人工智能技术中的神经网络（ＮＮ）达成基于内容的图像识别。有一种神经网络是无指导的，它被认为可能是最为接近人类大脑的工作模式的模型。这种神经网络称为自组织神经网络（ｓＯＭ），源于其始创者的名字。ｌ自组织神经网络自组织神经网络对于数据聚类并使其具有可见性有很大帮助，图ｌ展示了它的基本结构。它由输入神经元和网络神经元组成，每个输入神经元都与所有的网络神经元相连，而网络神经元之间没有任何联系。每个网络神经元都有相应的特征向量，特征向量的长度与输入神经元数一致。因此．图１中的每个网络神经元都有一个长度为３的特征向量。这种神经网络对实现色彩分组很有帮助，其中的３个输人神经元（以及每个网络神经元所具有的特征向量）可以用来代表一种色彩的ＲＧＢ值，而４×４的神经网络可以用来代表１６个不同的色彩分类。当然，我们并不需要明确这１６个色彩分类的具体形态。如果所给的输入是从整个光谱中随机产生的，那么最后每一个网络神经元中将包含诸如ＲＯＹＧＢＩＶ的高级别的色彩。最终，我们希望红、藏、绿处于网络的角落．其他的的颜色则分布其间，比如黄色在蓝色与绿色之问。但是，如果所给的输入是不同深浅的红色，那么它将只对红色的不同深浅程度进行聚类。可能左上角是深红色，而右下角则是浅粉色，在这两角之间分布着各种不同深浅的红色。首先耍决定神经网络的结构。在色彩问题中，我们斟１向绸织神经网络纂本结构可以ｃ５；｝定３个输入神经元和１６个网络神经元，如图１所示。每【、网络州二’儿邮柏个长发为３的特征向量，当神经网络还未被训练时，这些特征向量被初始化为一１到ｌ之问的随机值。收稿日期：２００５—０９—０３作者简介：朱南丽，女，宁波工程学院。 万方数据
本文来源：https://www.2haoxitong.net/k/doc/c8fb0cc489eb172ded63b7d0.html
