学位论文 > 优秀研究生学位论文题录展示
基于BP网络分类和Hopfield网络联想分类能力的研究
作 者: 王晓娟
导 师: 白艳萍
学 校: 中北大学
专 业: 应用数学
关键词: BP网络 Hopfield网络 模式识别 联想记忆 特征提取 Hu不变矩 字符势能
分类号: TP183
类 型: 硕士论文
年 份: 2014年
下 载: 11次
引 用: 0次
阅 读: 论文下载
内容摘要
这篇文章主要研究了在人工神经网络里面较为典型的两个网络—BP网络和Hopfield网络。对两者的分类识别能力进行了深入的研究,对比了两个网络在分类方面的优缺点。并对BP网络在对手写体识别方面进行改进,提高了分类识别能力。又研究了手写体图片的特征提取,用BP网络对其效果进行测试,测试结果也很令人满意。神经网络可以进行模式识别,这一功能非常具有实用价值。本文中研究了BP网络和离散Hopfield网络的识别能力。就数字、字母、手写体数字比较了BP网络和离散Hopfield网络的识别能力,得到噪声在一定范围内,离散Hopfield网络的识别效果要好一些;当噪声超过这个范围,误差就会迅速增加,BP网络的识别结果反而要好一些。进一步,本文对手写体数字的识别问题进行了讨论,提出一种基于BP神经网络的识别方法,从而提高了识别效率。主要就在识别时,数字在图片上的位置和数字本身大小方面做了改进。我们发现,数字在图片上的大小和其在图片上的位置直接影响识别效果。本文具体做的是,首先提取了图片的轮廓,然后归一化成28X28的图像。这样做,不仅使得图像数字区域大小相同,而且都在图像中心上,使得识别结果变的更加理想化,达到了高识别的目的。另外,本文选择了容错性较好的BP网络,以200组手写体数字图像作为输入向量,以其他的110组进行识别,效率达到了90%以上.。本文还做了BP网络对手写体识别的另一个改进。随着计算机网络的发展,越来越多的电子产品会用到手写输入。因此,对这些手写图片的识别变得越来越重要。而BP网络在做一方面的研究时,有一定的优势。文章提取了图像的7个不变矩(Hu矩)特征、均值、方差以及图像的字符势能,用这些字符特征来对图像进行识别。识别的准确率在80%以上。
|
全文目录
摘要 4-5 Abstract 5-9 第一章 引言 9-14 1.1 人工神经网络概念的提出 9 1.2 人工神经网络的特点 9-10 1.3 人工神经网络的应用领域 10-11 1.4 神经网络的研究背景 11 1.5 BP 网络和 Hopfield 网络研究的国内外动态 11-12 1.5.1 BP 网络模式识别研究动态 11-12 1.5.2 Hopfield 网络联想记忆功能研究动态 12 1.6 目的和意义 12 1.7 BP、Hopfield 神经网络在识别方面国内外研究状况及趋势 12 1.8 BP、Hopfiled 网络研究的发展及前景 12-14 第二章 BP 网络原理[ 14-21 2.1 BP 网络模型与结构 14 2.2 BP 网络的激活函数 14-15 2.3 BP 网络的学习规则 15-18 2.3.1 网络信息的正向传递 16-17 2.3.2 误差的反向传播 17-18 2.4 BP 网络的优点 18 2.5 BP 网络的缺点 18-20 2.6 BP 网络的特点 20-21 第三章 Hopfield 网络原理 21-24 3.1 Hopfield 网络基本概述 21 3.2 Hopfield 网络输出表达式 21-22 3.3 Hopfield 网络的联想记忆 22 3.4 Hopfield 的优点 22 3.5 Hopfield 网络联想记忆能力的缺陷 22-23 3.6 Hopfield 网络的特点 23-24 3.6.1 网络结构(DHNC) 23 3.6.2 工作方式 23 3.6.3 网络的稳定性 23-24 第四章 BP 网络分类能力和 Hopfield 网络联想记忆能力比较 24-41 4.1 预备实验(测试离散 Hopfield 网络效能) 24-31 4.1.1 实验概述 24 4.1.2 输入为两个数字实验过程 24-28 4.1.3 当输入为 1、2、3、4 四个数字实验过程 28-29 4.1.4 当输入为 1、2、3、4、5、6、7、8、9、0 这 10 个数字实验过程 29-31 4.2 BP 网络和离散 Hopfield 网络对数字的识别对比 31-36 4.2.1 BP 网络对 0—9 数字的识别 31-34 4.2.2 离散 Hopfield 网络对 0,1,2,3,4,5,6,7,8,9 的识别 34-36 4.3 BP 网络和 Hopfield 网络对字母的识别 36-39 4.3.1 BP 网络对 26 个英文字母的识别 36-38 4.3.2 离散 Hopfield 网络对字母的识别 38-39 4.4 BP 网络和离散 Hopfield 对手写体数字的识别 39-41 4.4.1 BP 网络对手写体数字的识别 39-40 4.4.2 离散 Hopfield 网络对手写体的识别 40-41 第五章 改进的 BP 网络对手写体数字的识别 41-44 5.1 图片的处理过程 42 5.2 神经网络的设计 42-43 5.3 神经网络的初始化 43 5.4 神经网络的训练 43 5.5 BP 网络测试结果 43 5.6 结论 43-44 第六章 基于 BP 网络的数字图片特征提取 44-51 6.1 二值字符的 7 个不变矩(Hu 矩)特征 44-46 6.2 二值字符的字符势能投影特征 46-47 6.3 识别过程 47-51 第七章 总结与展望 51-53 7.1 研究总结 51 7.2 工作展望 51-53 参考文献 53-58 攻读硕士期间发表的论文及所取得的研究成果 58 参加科研项目 58-59 致谢 59-60
|
相似论文
- 基于流形学习的高维流场数据分类研究,V231.3
- 基于SVM的高速公路路面浅层病害的自动检测算法研究,U418.6
- 空间目标ISAR成像仿真及基于ISAR像的目标识别,TN957.52
- 胆囊炎和肾病综合症脉象信号的特征提取与分类研究,TP391.41
- Q学习在基于内容图像检索技术中的应用,TP391.41
- 直推式支持向量机研究及其在图像检索中的应用,TP391.41
- 中医舌诊中舌形与齿痕的特征提取及分类研究,TP391.41
- 空间交会接近视觉测量方法研究,TP391.41
- 图像实时采集、存储与处理方法研究,TP391.41
- 唇读中的特征提取、选择与融合,TP391.41
- 多币种纸币处理技术的研究与实现,TP391.41
- 基于类Harr特征和最小包含球的纸币识别方法的研究,TP391.41
- 基于图像的路面破损识别,TP391.41
- 移动机器人视觉检测和跟踪研究,TP242.62
- 高光谱与高空间分辨率遥感图像融合算法研究,TP751
- 基于随机森林的植物抗性基因识别方法研究,Q943
- 基于图像处理技术的烟叶病害自动识别研究,S435.72
- 基于视觉的番木瓜外观品质检测技术研究,S667.9
- 基于遗传算法优化的BP网络对生物柴油制备工艺的优化,TE667
- 羊绒与羊毛纤维鉴别系统的研究,TS101.921
- 红外图像目标识别及跟踪技术研究,TP391.41
中图分类: > 工业技术 > 自动化技术、计算机技术 > 自动化基础理论 > 人工智能理论 > 人工神经网络与计算
© 2012 www.xueweilunwen.com
|