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

基于BP网络分类和Hopfield网络联想分类能力的研究

内容摘要

全文目录

相似论文