Full metadata record
DC Field | Value | Language |
---|---|---|
dc.contributor.author | 黃國源 | en_US |
dc.contributor.author | HUANG KOU-YUAN | en_US |
dc.date.accessioned | 2014-12-13T10:40:21Z | - |
dc.date.available | 2014-12-13T10:40:21Z | - |
dc.date.issued | 1994 | en_US |
dc.identifier.govdoc | NSC83-0408-E009-017 | zh_TW |
dc.identifier.uri | http://hdl.handle.net/11536/97397 | - |
dc.identifier.uri | https://www.grb.gov.tw/search/planDetail?id=120482&docId=20078 | en_US |
dc.description.abstract | 模糊K個最近鄰點法則(Fuzzy K nearest neighbors rule)是一個利用測試圖形(Testing pattern)的K個最 近鄰點所提供的對各分類(Class)所屬程度( Membership degree)訊息,而亦給予測試圖形對各分 類所屬程度的方法.它的優點在於較不受K值影 像,並提供了穩健的 (Robust)辨識能力.對於震測 資料(Seismic data)識別工作而言,震測描繪編輯( Seismic trace editing)與首先到達信號選取(First arrival picking)常常會因雜訊干優 (Disturbance)而嚴 重影像識別率.因此,我們需要一個能提供不受 信號對雜訊(Signal-to-noise)改變的影響,而擁有穩 健與可信賴辨識能力的程序與方法.本研究將 針對模糊K個最近鄰點法則在震測資料上的穩 健性識別,以及辨識率上作一深入研究.而為了 提升此識別法之運算效能,我們也將發展相對 應具有平行運算能力之神經網路 (Neural network) 架構與演算法. | zh_TW |
dc.description.sponsorship | 行政院國家科學委員會 | zh_TW |
dc.language.iso | zh_TW | en_US |
dc.subject | 最近鄰點法則 | zh_TW |
dc.subject | 所屬程度 | zh_TW |
dc.subject | 震測資料 | zh_TW |
dc.subject | 震測描繪編輯 | zh_TW |
dc.subject | 首先到達信號選取 | zh_TW |
dc.subject | 神經網路 | zh_TW |
dc.subject | Nearest neighbors rule | en_US |
dc.subject | Membership degrees | en_US |
dc.subject | Seismic data | en_US |
dc.subject | Seismic traceediting | en_US |
dc.subject | First arrival picking | en_US |
dc.subject | Neural network | en_US |
dc.title | 模糊K個最近鄰點法則於震測圖型識別之研究 | zh_TW |
dc.title | The Study of Fuzzy K-Nearest Neighbor Rule for Seismic Pattern Recognition | en_US |
dc.type | Plan | en_US |
dc.contributor.department | 國立交通大學資訊科學研究所 | zh_TW |
Appears in Collections: | Research Plans |