留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于神经网络模型求取注记配置最优解

樊红 张祖勋 杜道生 张剑清

樊红, 张祖勋, 杜道生, 张剑清. 基于神经网络模型求取注记配置最优解[J]. 武汉大学学报 ● 信息科学版, 1998, 23(1): 32-35.
引用本文: 樊红, 张祖勋, 杜道生, 张剑清. 基于神经网络模型求取注记配置最优解[J]. 武汉大学学报 ● 信息科学版, 1998, 23(1): 32-35.
Fan Hong, Zhang Zuxun, Du Daosheng, Zhang Jianqing. A Hopfield Nerual Network Algorithm of Finding the Best Position for Point Annotation of Map[J]. Geomatics and Information Science of Wuhan University, 1998, 23(1): 32-35.
Citation: Fan Hong, Zhang Zuxun, Du Daosheng, Zhang Jianqing. A Hopfield Nerual Network Algorithm of Finding the Best Position for Point Annotation of Map[J]. Geomatics and Information Science of Wuhan University, 1998, 23(1): 32-35.

基于神经网络模型求取注记配置最优解

详细信息
    作者简介:

    樊红,女,30岁,博士生,讲师,现从事GIS研究。

  • 中图分类号: TP18;P283.7;P231.5

A Hopfield Nerual Network Algorithm of Finding the Best Position for Point Annotation of Map

计量
  • 文章访问数:  400
  • HTML全文浏览量:  13
  • PDF下载量:  216
  • 被引次数: 0
出版历程
  • 收稿日期:  1997-02-27
  • 刊出日期:  1998-01-05

基于神经网络模型求取注记配置最优解

    作者简介:

    樊红,女,30岁,博士生,讲师,现从事GIS研究。

  • 中图分类号: TP18;P283.7;P231.5

摘要: 提出了一种点状注记自动配置的实用方法。其核心算法采用基于Hopfield神经网络模型求取点要素注记配置的最优解,克服了传统的冲突-回溯方法的不足。实验证明,该方法具有较好的性能和效率。

English Abstract

樊红, 张祖勋, 杜道生, 张剑清. 基于神经网络模型求取注记配置最优解[J]. 武汉大学学报 ● 信息科学版, 1998, 23(1): 32-35.
引用本文: 樊红, 张祖勋, 杜道生, 张剑清. 基于神经网络模型求取注记配置最优解[J]. 武汉大学学报 ● 信息科学版, 1998, 23(1): 32-35.
Fan Hong, Zhang Zuxun, Du Daosheng, Zhang Jianqing. A Hopfield Nerual Network Algorithm of Finding the Best Position for Point Annotation of Map[J]. Geomatics and Information Science of Wuhan University, 1998, 23(1): 32-35.
Citation: Fan Hong, Zhang Zuxun, Du Daosheng, Zhang Jianqing. A Hopfield Nerual Network Algorithm of Finding the Best Position for Point Annotation of Map[J]. Geomatics and Information Science of Wuhan University, 1998, 23(1): 32-35.

目录

    /

    返回文章
    返回