基于BP神经网络的印刷体数字识别研究

合集下载
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

l0/ 0 "  ̄
9% 5 90 00 / 9% 5 8% 5 lO 0 %
9 % 6
9 % 5 9 % 2 l0 0 % 9 % 2 9 % 6
9% 7
9% 4 9% 0 9 9% 4 9% 5
l0 0%
9 % 2 9 % 4 l0 0 % 9 % 0 9 % 8

张珍荣
Zha g Zh n o g n e rn
( 江西 理工 大学 机 电工程学 院 , 江西 赣 州 3 10 ) 40 0
(c o l f c a i l Eet cl n mef g J n x ies y o cec n eh oo y S h o Me hnc & lc a g e n ,i g iUnvri fS i e dT c n lg , o a i r E i a t n a J n x Gaz o 4 0 i g i n h u3 0 ) a 1 0



的 印

为期望输出
() 3

3 几种 改进 的 H u不变矩 31 . Hu不变 矩改 进一

一 …
体 刷

P 个样 本 , 局误 差为 : 全 r, 一 ,一 , ,

字 识
E寺 = ∑∑(一 = E f )∑ , ,

在 H 矩的基础上采用改进的 H u u矩 , 可以避免
用函数值 f , 表示点(,) 图像像素的亮度 【y x ) xy 处
值, 则一幅图像看成一个二维密度分布函数 f , 。 i y x )
计算量大而复杂 , 不适用于实时监控 的问题 出现 , 从
而可以做到离散状态下的尺度不变性 。

2 ~
4 实验结 果及分析
4 神经网络隐含节点对识别率的影响分析 . 3 经过神经网络 的实验训练 ,根据各种不变矩识 别率的比较及神经网络隐含节点对识别率的影 响分 析 ,几种改进的不变矩对识别率的提高具有可操作
的现 实意义 。
41 .神经 网络训 练
参 考文献
[] 颖泉 . 神 经 网络 进行 数 字 图像 识 别 研究 1许 用
表 一 输 入节 点不 变 矩 识 别 率
数 宁
0 1 2
Hu矩
lO O % 8 % O 6 % 7
Hu 改进一 Hu矩 改进= Hu矩 改进三 矩
l0 0 % 8 % 5 7 % 5 lo 0 % 90 0o / 7 % 2 9 % 8 9 % 2 7 % 8
( 4 )
3 不 矩 进 ・ 变改一 u
f= R f ‘ = ,= , : , = 凡 一 拙 √l l ,、


2 ) 输出 变化 ( 输出 2 ) 层权值的变化
采 计误 P 用累 差B 算法调 , 局误 变 使全 差E
设B P网络的输入层有 n 个节点 ,隐层有 q 个
( ) (l…( ∑V k, , :2 1 ,)
i =0
( 1 )
输出层节点的输出为:
( q

) (_ , j1 2

图像 的亮度因 它的
’ m) () 2 的定
I J _ .^
4 1 l :
矩函 数
研wenku.baidu.com究 [ . 电子技 术, 06 2(2:95. J现代 ] 2 0 ,90)4 .1
图 二 神 经 网络 训 练 曲线 图
【 马耀 名 , 4 ] 黄敏 . 于 B 基 P神 经 网络 的数 字 识别 研 究 [. J信息技 术 , 0 , 0 )8 .8 ] 2 73 (4 :78 . 0 1

(px ) P q ,是矩的权核或基本集 , ( y 它表示一个关于 (,) 亏 内的连续 函数 , xy在 函数 ( 阳x ) p (, 下标 P y q表 示所定义 的坐标( ,) xy 的次数。对于一幅图像亮度 因数 f xy (, )在 ∈ 中是有界 的和紧凑 的,因而 , 式
8 2% 9
9 2% l
8 % 86
l 『 5 6 ’
杀篝 = = c ・ =- 毒 嚣


3 矩 们变 四
, : ,

∑∑7 : 7 pt ( 一 .( , )

() 1 1
:Po : , : ( ) :#, : 粤 1 一o 粤 : 3 7

2 图像矩 函数的一般定义
为 v隐层与输 出层之 间的权值为 w , 图一所 示 。 , 如
信号反向传播所构成 。 当数据流正向传播时 , 传播方
向从 输入层 到 隐层 , 再到输 出层 , 每一 层 的神 经元 只 受 上一层 神经 元状 态影 响。假设 输 出层所 输 出 的结
果与期望结果不吻合 , 自 就 然变成误差信号的反 向
传 播流程 。 经过正 反过 程交 替后 , 差 函数 梯度 降低 误
策略将被权向量空问如期执行 ,权 向量将被动态迭 代搜索, 网络 函数将达到最小误差值 , 信息提取和记 忆过程得以完成。 1 正 向传播 . 1

图 一 B 网络 正 向传播 图 P

隐层的传递 函数为 £ ・, ( 输出层 的传递 函数为 ) f・, 2 )则隐层节点 的输出为( ( 将阐值写入求和项 中) :
仍 慨 √ …1 l
参 【
( )
卜 )) 归 心 定 ( 7 一中 义

¨ ¨
项:

(+ = , , ) pq23…
( 5 1)
() 8
33 _H u不变 矩改进 三
善 ) ( ) f ( 由定得 链理:

f , 1 : I l 『, 7 :
l R

, R
。 ¨
嚣一 c 善 善 c :一
定义 误差 信号 为 :
O E O E ,
转 舳 矩有构移 放 不 变具结平潆 、 旋
32 .Hu不变 矩改 进二


P2

第 项 一 为:
O Ep


{ 慨
【 ,
P , _ 仍 6 P _ 2 L
d s rb n a v n e t e ipu / u p p i g, t . e c i e i d a c h n to t utma p n e c.Th o g h n r u to ft r u h t e i tod ci n o BP e r ln t r ,u ig t e he n u a e wo k sn h s me mo ntf au ee ta to sale e tv a me e t r x r c i n i l f ci e BP u a t o k n ne r l w r ume a e o n to e ne r l c g ii n d mon ta i n s se r sr to y t m,a nd h sc ra n g i i g sg i c nc o t e i — p h su y o en a et i u d n i f a et h n de t t d ft u e a e o ii n. n i h m r l c g to r n
… 一
[. J科技风 , 0, 4. ] 2 8 2) 0 ( 【 张红 , 2 】 刘磊 , 孙彦峰. B P数字识别 自 动监控系 统[ .、 J/ 型微型计算机系统, 093 ( ) ]J 2 0 ,0 3. 0
[刘浩 , 3 ] 白振兴 .P网络 的 Ma a B t b实现 及 应用 l
Ke wo d : u a t o k; rnigDii lIv r n o n s y r s BPNe r l w r P it gt ;n ai t Ne n a a M me t
1 P网络 B
节 点 , 出层 有 m个 节点 , 入层与 隐层之 间 的权 值 输 输
B P神 经 网络 算 法 根据 数 据 流正 向传 播 及误 差
中图分 类号 : P 9 T31 文献标 识码 : A 文章编 号 :6 1 7 22 1)30 2 —3 1 7 — 9 (0 20 —0 40 4
Ab t c : e BP n u a ewo k i a k n fe r rb c r p g t n a g r h t i i g mu t a e ewo k s r t Th e r l t r s i d o ro a k p o a a i l o t m r n n l ly rn t r , a n o i a i wi e a v n a e fs o g n t o k l a n n b l y a lr e s r g f n u / u p t o e p i g n e d t t t d a tg so r n e h h t w r r i g a i t , g t a eo p t t u d l e i a o i o m ma p n , o n e o
42各种不 变矩识别 率 比较 .
[ 张彤 , 5 ] 肖南 峰. 于 B 基 P网络 的数 字识 别 方 法
[ . 庆理 工 大 学学 报 ( J重 ] 自然 科 学 版 )2 1 ,40 ) , 0 0 2 (3 :
43 47 — .
各 种不变矩 识别 率如表 一 、 表二 所示 。




反向传播



() 义 误 差 凼 效 1 疋
(,)xy( ydd p q ol , ) 1 ) : ,, … (2 2


c I 】
输入 P 个学习样本 , x,: x来表示。 P 用 - , x …, 第 个样本输入到网络后得到 y( l , , ) P = , … m 。采用平 j 2 j 方型误差函数 , 于是得到第 P 个样本的误差 E: p 1
Hu矩改进四
l0 0 % 9% 4 7% 5
【] 娟 , 关 锋 , 夕海 . 于 mal 6杜 韦 李 基 tb和 神 经 网 a
络 的数字 识 别 [] J. 编 程 技 巧与 维护 , 0 4 (2 : 电脑 2 0 ,0 )
31 3 .2

4 5 6 7 8
表 二 隐含 层 节 点 识 别 率
隐 含层节 点数

l O
控制 工程专 业教 师, 硕 士 。 在职
9 . 05 %
9 % 35
Hu矩
8 % 95
9 % 05
Hu矩改进 一 Hu矩改进 = Hu 改 进三 Hu矩改进 四 矩
8 % 84
8 % 96
摘 要 :P神 经 网络是 一种误 差逆传 播 算 法训练 的多层前 馈 网络 , B 具备 网络 学 习能力 强 、 输入 / 出模 输 式 映射 关 系存 贮 量大 、 事先 不需要 描述 输入 / 出映射 关系等诸 多优 点 的数学 方程。 本文通 过 B 输 P神经 网络 的介 绍 , 用不 变矩特 征提 取方 法设 计 一种 有效 的 B 利 P神 经 网络 印刷 体 数 字识 别 演示 系统 , 印刷体 数 字识 对 别 的深入研 究具 有 一定 的指 导意 义。 关 键词 :P神经 网络 ; B 印刷 体 数字 ; 不变 矩
l0 O %
9 % 6 90 0, / 1O 0 % 9 % 2 10 0 %


9 5 %
9 9% 7
9 5 %
9 2% 6
9% o
9% 2
9 0 %
9 3% 2
9 9 %
97 3%
作者 简介
I 平均识别率
张珍荣 (92 )男 , 18一 , 江西 理工大学 控 制理论 与
相关文档
最新文档