學位論文

Permanent URI for this collectionhttp://rportal.lib.ntnu.edu.tw/handle/20.500.12235/73912

Browse

Subject: search.filters.subject.系統程式晶片設計

Search Results

Now showing 1 - 3 of 3
  • No Thumbnail Available
    Item
    以Kernel為基礎之模糊分群演算法硬體架構實現
    (2012) 歐浩聲; Ou, Hao-Sheng
    本論文根據文獻[12]以及文獻[17]，以此兩則文獻中提到的FCM-SC分群演算法的硬體架構和KFCM演算法的硬體架構為基礎，實作以非線性高斯核函式為核距離計算之KFCM[12] 再加上空間資訊[17] 後的分群演算法硬體電路，具有管線化以及可以同時計算所有分群之權重係數的能力。此架構改良了以往KFCM分群演算法對於有雜訊的資料做分群的問題，並且配合KFCM本身可以對非線性資料分群效果較好的能力，所以能夠廣泛地使用在許多的分群資料上，並且都有良好的辨識率。本論文使用FPGA實現我們提出的硬體架構，並使用人工雜訊圖片作為實驗測試資料。實驗結果顯示本架構對於有雜訊的非線性資料分群效果確實較KFCM佳，且架構簡單提供了日後高度的延伸性。
  • No Thumbnail Available
    Item
    基於RBF實現紋理辨識之硬體架構
    (2012) 范哲誠; Zhe-Cheng Fan
    本論文提出以Recursive Least Mean Square為基礎，結合Fuzzy c-Means分群演算法實作出Radial Basis Function類神經網路之紋理圖辨識系統。在本論文中，Fuzzy c-Means計算紋理圖的質量中心點，Recursive Least Mean Square計算類神經網中的權重係數，希望利用硬體的特性來實現快速運算、低資源消耗、低功率消耗以及擁有良好的效能之硬體架構。 最後我們所提出的硬體架構會在以FPGA為基礎的可程式化系統晶片設計(System On a Programmable Chip，SOPC)之平台上作實際的效能測試。根據使用不同的紋理圖作為測試資料，實驗結果顯示本架構對於紋理圖辨識有良好的分類正確率，且此硬體架構提供了日後高度的延伸性。
  • No Thumbnail Available
    Item
    Kernel-Based Fuzzy c-Means分群演算法 硬體架構實現
    (2011) 楊斯閔; Yang Ssu-Min
    本論文根據文獻[6]，以其FCM分群演算法的硬體架構為基礎，實作以非線性高斯核函式為核距離計算之KFCM分群演算法硬體電路，具有管線化以及可以同時計算所有分群之權重係數的能力。此架構改良了以往FCM分群演算法對於非線性資料分群效果不佳的問題，並且能夠應用在帶有雜訊的資料。本論文使用FPGA實現我們提出的硬體架構，並使用Iris data與人工雜訊圖片作為實驗測詴資料。實驗結果顯示本架構對於非線性資料分群效果確實較FCM佳，且架構簡單提供了日後高度的延伸性。