Quick construction of efficient morphological operators by computational learning (1997)
- Autor:
- Autor USP: KIM, HAE YONG - IME
- Unidade: IME
- DOI: 10.1049/el:19970199
- Assunto: INTELIGÊNCIA ARTIFICIAL
- Idioma: Inglês
- Imprenta:
- Fonte:
- Título do periódico: Electronics Letters
- Volume/Número/Paginação/Ano: v. 33, n. 4, p. 286-287, Feb. 1997
- Este periódico é de assinatura
- Este artigo NÃO é de acesso aberto
- Cor do Acesso Aberto: closed
-
ABNT
HAE, Yong Kim. Quick construction of efficient morphological operators by computational learning. Electronics Letters, v. 33, n. 4, p. 286-287, 1997Tradução . . Disponível em: https://doi.org/10.1049/el:19970199. Acesso em: 16 abr. 2024. -
APA
Hae, Y. K. (1997). Quick construction of efficient morphological operators by computational learning. Electronics Letters, 33( 4), 286-287. doi:10.1049/el:19970199 -
NLM
Hae YK. Quick construction of efficient morphological operators by computational learning [Internet]. Electronics Letters. 1997 ; 33( 4): 286-287.[citado 2024 abr. 16 ] Available from: https://doi.org/10.1049/el:19970199 -
Vancouver
Hae YK. Quick construction of efficient morphological operators by computational learning [Internet]. Electronics Letters. 1997 ; 33( 4): 286-287.[citado 2024 abr. 16 ] Available from: https://doi.org/10.1049/el:19970199 - Reconstrução-difusão: um algoritmo de reconstrução MENT melhorado baseado em difusão anisotrópica robusta
- Novas características para classificação de formas invariante sob transformação afim
- Alteration-location authentication watermarking for binary images
- Watermarking JBIG2 text region for image authentication
- New public-key authentication watermarking for JBIG2 resistant to parity attacks
- Controle dos sinais de sensores piezo-elétricos aplicado na medição das forças de corte no torneamento duro
- Pitfalls in public key watermarking
- Toward a secure public-key blockwise fragile authentication watermarking
- Square attacks on reduced-round PES and IDEA block ciphers
- Complexidade de amostra para projetar operadores para imagens binárias pela aprendizagem de máquina
Informações sobre o DOI: 10.1049/el:19970199 (Fonte: oaDOI API)
Como citar
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
