简介:[篇名]AHamilton-JacobiSetupforConstrainedNeuralNetworkControl,[篇名]ANEURALNETWORKCONTROLBASEDOBSERVERFORROBOTMANIPULATORS,[篇名]Aneuro-controllerwithguaranteedstability,[篇名]AnewRBFneuralnetworkcontrolstrategybasedonnewobjectfunction,[篇名]ANovelNeuralNetworkControllerandItsEfficientDSPImplementationforVector-ControlledInductionMotorDrives,[篇名]Asinge-phaseactivepowerfilterwithneuralnetwork-basedcontroller,[篇名]AStudyonNeuralNetworkControlofExplosion-Proof2-LinkPneumaticManipulator,[篇名]Activepowerlineconditionerwithaneuralnetworkcontrolscheme。
简介:Curvelet变换用于影像融合能有效保持影像的光谱信息,利于提取影像不同尺度、不同方向的细节特征。为检测Curvelet变换对影像分类的影响,文章首先采用PCA方法、Curvelet变换方法对IKONOS影像进行融合;然后对原多光谱影像和融合影像进行监督分类,分类时采用相同的训练样本;最后运用多种参数对结果进行目视、定量评价。总体结果显示:基于Curvelet变换的融合影像各波段的信息熵以及与原影像的平均结构相似性程度均高于基于PCA的融合影像,原多光谱影像、基于PCA的融合影像和基于Curvelet变换的融合影像的总体分类精度分别为:77.27%、70.00%和80.09%,其中基于Curvelet变换的分类影像的地物边缘光滑度最高。