研究了基于大數據聚類的化妝品包裝符號元素特征提取方法。初始化處理水平集函數,獲取化妝品包裝符號元素圖像的局部標準差圖像,根據余弦相似性確定局部標準差圖像像素點在輪廓曲線上的演化方向,水平集演化改進SPF函數,完成符號元素分割;計算大數據的離散樣本頻譜特征,由置信度獲取數據聚類中心的粒子最優(yōu)解的向量矩陣,完成數據聚類;結合卷積神經網絡和AutoEncoder,通過卷積、過濾以及池化操作,在輸出層存在的節(jié)點中獲取最大激活值,實現化妝品包裝符號元素特征的提取。實驗結果表明,所提方法的特征提取時間較短、特征辨識力有所提高且提取準確率較高。 

【文章來源】：日用化學工業(yè). 2020,50(01)北大核心CSCD

【文章頁數】：5 頁

【文章目錄】：
1 實驗部分
    1.1 化妝品包裝符號元素分割方法
    1.2 符號元素特征提取
        1.2.1 卷積層
        1.2.2 過濾層
        1.2.3 池化及特征輸出
2 結果與討論
3 結論


【參考文獻】：
期刊論文
[1]基于線性判別分析的Choquet積分的符號模糊測度提取[J]. 王燈桂,楊蓉.  計算機科學. 2019(02)
[2]基于紋理邊界檢測的航天器橢圓特征提取方法[J]. 王詩強,張世杰.  宇航學報. 2018(01)
[3]化妝品塑料包裝中鄰苯二甲酸酯含量的測定[J]. 孫春峰,秦芳.  塑料工業(yè). 2018(01)
[4]低對比度圖像特征點提取與匹配[J]. 王陳光,王晉疆,趙顯庭.  半導體光電. 2017(06)
[5]基于圖像不變特征深度學習的交通標志分類[J]. 謝錦,蔡自興,鄧海濤,盛艷.  計算機輔助設計與圖形學學報. 2017(04)
[6]基于字典學習的煤巖圖像特征提取與識別方法[J]. 伍云霞,田一民.  煤炭學報. 2016(12)
[7]基于灰度矩的脈搏圖像亞像素特征點提取研究[J]. 張愛華,楊莉蘋,林冬梅.  計算機工程與應用. 2017(08)
[8]并聯機構方位特征集的符號推導方法[J]. 廖明,劉安心,沈惠平,杭魯濱,方虎生,楊廷力.  農業(yè)機械學報. 2016(03)



本文編號：3637476