學位論文

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

Browse

Subject: search.filters.subject.data clustering

Search Results

Now showing 1 - 3 of 3
  • 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
    適於多叢集Fuzzy C-Means分群演算法之硬體架構設計
    (2010) 楊政諺; Cheng-Yen Yang
    本論文提出一個適合在高叢集的Fuzzy c-means分群演算法硬體架構，同時對分群質量中心點和訓練向量作管線化架構(pipeline)，可以獲得更低的硬體資源消耗和更高的計算速度。此外，合併以往迭代更新權重矩陣(membership coefficient matrix)以及質量中心成為單一的更新步驟，可以避免使用大量的儲存空間。 最後本論文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。由實驗的結果可知，本架構具備較低的計算複雜度、較低的硬體資源複雜度以及更高的效能。
  • No Thumbnail Available
    Item
    在可程式化系統晶片上之Fuzzy C-Means分群演算法設計
    (2009) 楊正存; Cheng-Tsun Yang
    本論文提出一個具平行計算能力的Fuzzy c-means(FCM)演算法硬體架構，並且使用查表法(lookup table)為基礎的除法器，來減少分群處理及計算質量中心點的硬體資源複雜度和計算複雜度。此外，本硬體架構不需儲存權重矩陣(membership coefficients matrix)，而是將權重值(membership coefficinets)的計算結果直接送入質量中心點的更新計算，達到減少記憶體資源消耗的目的。最後本論文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，由實驗的結果可知，本架構具備較低的計算複雜度與更高的效能。