基于BP神经网络的印刷体数字识别研究

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
神
经
络
的 印
）
为期望输出
（） ３
给
３ 几种 改进 的 Ｈ ｕ不变矩 ３１ ． Ｈｕ不变 矩改 进一
…
一 …
体 刷
数
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 。
一
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 ，、
研
究
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
一
（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
叩
¨ ¨
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
ｔ
， 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
．
仍
Ｐ２
仍
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 。
基
，
０
一
反向传播
＝
（
，
（） 义 误 差 凼 效 １ 疋
（，）ｘｙ（ ｙｄｄ ｐ ｑ ｏｌ ， ） １ ） ： ，， … （２ ２
，
于
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
３
４ ５ ６ ７ ８
表 二 隐含 层 节 点 识 别 率
隐 含层节 点数
８
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 ％
Ｉ
９
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