基于神经网络的模式识别实验

基于粗糙集的神经网络在模式识别中的应

用

摘要：为解决神经网络在模式识别中存在的噪声问题，基于粗糙集的上、下近似和边界线集理论提出了一种对噪声样本进行处理的方法。该方法主要包括对处于下近似集内的含噪声属性值,将噪声消除后转换为理想状态下的属性值;对处于边界域内的含噪声属性值保持不变。当属性值处于边界域内属性的个数与全部属性数的比值达到某个确定的值时,就认为该样本受到噪声干扰过大,对其拒绝识别。通过实验对比表明,该方法能有效地降低BP网络模式识别的误识率。

关键词：粗糙集 神经网络 模式识别 中图分类号：TP18 文献标识码：A

Study on BP Network for Pattern Recognition Based on RS

Theory

Fan li meng

( School of Information Engineering, Hebei University of Technology, Tianjin 300401, China )

Abstract: In order to solve the noise problem of BP network for pattern recognition,propose

第 34卷增刊 2

中南工业大学学报(自然科学版)J . C ENT . SO UT H UNI V. T ECH NOL.

2003年 7月

基于 BP神经网络和「ZZ集的模式 U Y识别算法及其 MatLab实现蒋良孝，蔡之华.刘钊

(中国地质大学计算机科学与技术系，湖北武汉 430074)摘要:提出了一种基于BP神经网络和 Fuzzy集的模式识别算法， MatLab系统环境下实现了并在这种算法.实践证明，运用该算法进行模式识别的准确率非常高， MatLab编程简捷明了，使用具有很强的实用性和较大的应用前景.关键词:模式识别; BP神经网络; Fuzzy集; MatLab中图分类号;TP301. 6

模式即对某一事物或其他一些感兴趣项目的定量或结构上的描述，它可以用一个标准激励或用取自标准激励和它们相互关系的属性组成的矢量来表示，一组具有公共特性的模式可以看作一个模式类.通过机器进行模式识别的主要问题就是如何采用更好的计算机处理技术自动地、人尽可能少介人把模式分到各自的类中.更广泛地说，模式识别就是将测量结果、激励或输人模式分配到有意义的类别中.目前，可以用于模式识别的算法很多，但大多数算法都存在分类准确率低的缺陷.为了提高模式识别的准确率，本文作

模式识别实验报告（二）

专业： 学号：

姓名：XXXX 教师：

学院：

目录

1实验目的................................................ 1 2实验内容................................................ 1 3实验平台................................................ 1 4实验过程与结果分析............................ 1 4.1基于BP神经网络的分类器设计 .. 1 4.2基于SVM的分类器设计 ................ 4 4.3基于决策树的分类器设计 ............ 7 4.4三种分类器对比 ............................ 8 5.总结....................................................... 8

1) 1实验目的

通过实际编程操作，实现对课堂上所学习的BP神经网络、SVM支持向量机和决策树这三种方法的应用，加深理解，同时锻炼自己的动手实践能力。 2) 2实验内容

本次

汽车车牌识别系统的设计文献综述

第12卷第4期2003年12月淮　海　工　学　院　学　报

JournalofHuaihaiInstituteofTechnologyVol.12　No.4

Dec.2003

　　文章编号:100823499(2003)0420025203

基于BP神经网络的汽车牌照识别

李丰林

(淮海工学院电子工程系,江苏连云港　222005)

Ξ

摘　要:提出了一种用BP,在特征提取时采用了Fourier投影2;,采用并行算法对BP网络分类器进行了处理;。实践证明,利用BP,,,。

关键词:B;.9;　　　文献标识码:A

RecognitionofCarLicensePlatesBasedonBPNetwork

LIFeng2lin

(Dept.ofElectronicEngineering,HuaihaiInstituteofTechnology,Lianyungang222005,China)

Abstract:AmethodofrecognizingcarlicenseplatesbasedonBPNetworkisproposedinthispaper.Aslicenseplatesareallprintedinboldcharacters

摘 要

科技发展日新月异，智能识别推陈出新。如今是信息化时期，数字识别在很多智能领域上运用广泛，拥有普遍的使用远景，因此探索这项技术有其重要的实际意义。由于手写数字在写法上千差万别，且数字间字形差别相对较小，使得识别系统的开发具有很大的挑战性。

当前手写数字识别采用的技术有Bayes判别法、决策树法、神经网络和支持向量机（Support Vector Machines，SVM）等。诞生于20世纪90年代的SVM技术是机器学习研究的热点，因其良好的泛化性能成为了数字识别领域的热门方法。

本开发系统借助MATLAB平台实现完成SVM的手写数字识别功能，同时与BP神经网络的识别作对比，并利用了MNIST数据库作扩展与分析。对识别的结果进行探究，得出使识别精准度出现误差的主要因素有手写体数字的规范程度、笔画字迹粗细和清晰，以及训练样本的数量等。

关键词 手写数字识别；神经网络；SVM

Abstract

I

Technological development changes rapidly, and intelligent recognition innovates constantly. In the

湖 南 科 技 大 学

毕 业 设 计（ 论 文 ）

基于神经网络的指纹识别目 系统研究 者 院 业 号

二〇〇 年 月 日

题作学专学

颜金伟

指导教师

i

湖 南 科 技 大 学 毕业设计（论文）任务书

院 系（教研室）

系（教研室）主任: （签名） 年 月 日

学生姓名: 学号: 专业: 1 设计（论文）题目及专题： 2 学生设计（论文）时间：自 年 月 日开始至 年 月 日止

3 设计（论文）所用资源和参考资料：

4 设计（论文）应完成的主要内容：

5 提交设计（论文）形式（设计说明与图纸或论文等）及要求：

6 发题时间： 年 月 日

指导教师：

基于BP神经网络语音识别方法研究

摘要： 神经网络是近年来信息科学、脑科学、神经心理学等诸多学科共同关注和研究的热点。由于其具有良好的抽象分类特性,现已应用于语音识别系统的研究和开发，并成为解决识别相关问题的有效工具。文章在讲述语音识别过程的基础上重点讨论利用BP神经网络对语音进行识别,用MATLAB完成对神经网络的训练和测试,并获得满意的结果。

关键词：语音识别；模式识别；BP神经网络，

1 绪论

计算机的飞速发展，使人们的生活方式发生了根本性的改变，鼠标、键盘，这些传统的人机接口使人们体会到了生活的便利。科学技术日新月异，假如让“机器”能够听懂人的语言，并根据其信息去执行人的意图，那么这无疑是最理想的人机智能接口方式，因此语音识别作为一门极具吸引力的学科应运而生，很多专家都指出语音识别技术将是未来十年信息技术领域十大重要的科技发展技术之一。

1.1 研究背景及意义

语言在人类的智能组成中充当着很重要的角色，人与人之间的交流和沟通大部分是通过语言的方式有效的完成。作为人与人之问交流最方便、自然、快捷的手段，人们自然希望它成为人与计算机交流的媒介。随着数字信号处理及计算机科学的飞速发展，人们对实现人机对话产生越来越迫切的要求，使得语音识别技术近年来得到

基于BP神经网络的车牌识别技术研究

摘 要

随着科学技术的不断发展，交通管理手段正从人工管理逐步转变成自动或

半自动方式，车牌识别问题作为现代交通工程领域中研究的重点和热点问题之一，受到越来越多人们的关注。近年来，神经网络在许多领域中得到应用，利用神经网络自适应的特点，本文采用基于BP构成的神经网络进行字符识别。

本文通过对在车牌识别系统中图像预处理、车牌定位、字符分割、字符识别四个关键环节的分析研究，提出了一种基于神经网络的车牌字符自动识别算法。用此方法对车牌图像进行实验，对车牌字符样本进行特征提取，并且在MATLAB环境下对车牌字符识别进行仿真模拟，结果证实此算法对车牌字符的定位和分割具有良好的效果，对车牌字符的识别具有一定的准确性。 关键词:BP神经网络；车牌定位；车牌识别；字符分割；字符识别

1. 引言

随着汽车数量的增加，使得世界各国都存在着交通拥挤的城市状况。为了解决这一问题，众多城市将车道拓宽，但仍远远不能解决问题，在不增加现有的道路设施情况下，如何提高交通运输效率已成为世界各国研究的焦点。智能型交通体系(ITS——Intelligent Transportation System)是未来交通监管系统的主要发展趋势。车辆

基于人工神经网络的MATLAB手写数字识别系统 一、函数MouseDraw实现手写识别系统GUI界面的建立和鼠标手写的实现。（使用时保存为MouseDraw.m)

function MouseDraw(action)

% MouseDraw 本例展示如何以Handle Graphics来设定滑鼠事件 % (MouseDraw Events)的反应指令(Callbacks) % 本程序在鼠标移动非常快时，不会造成画“断线” % global不能传矩阵

global InitialX InitialY FigHandle hb2 hb3 hb4 count hb5 hb6 hb7 count='E:\\im.jpg'; imSize = 50;

if nargin == 0, action = 'start'; end

switch(action)

%%开启图形视窗 case 'start', FigHandle = figure('WindowButtonDownFcn','MouseDraw down','DeleteFcn','save bpnet');

axis([1 imSize 1 imSize]); % 设定图轴范围%

忻 州 师 范 学 院

计算机系本科毕业（设计）论文

课题名称 基 于 神 经 网 络 的 图

像 识 别 方 法 研 究

专 业 计 算 机 科 学 与 技 术

姓 名 杨 旭 东

学 号 2 0 1 1 0 8 1 1 2 0 1 3

指导教师 曹 建 芳

二零一三年六月

目 录

1 引 言.......................................................................................................................... 1

1.1 图像识别及人工神经网络 .............................................................................. 2 1.2 人工神经网络的研究背景和意义 .................................................................. 4 1.3 神经网络的发展与研究现状 ...........