BP模型在模式识别中的应用
合集下载
相关主题
- 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、"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、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)。
ag r h a d c a a trs c , d t e t d c d ter c g i o p l ai n f h d l eb — i n in lma e , il l o tm n h r ce t s i i i a n ir u e o nt n a p i t so eBP mo e t i me so a g s n y n h no h e i c o t n ih d i ma
Absr c : i h ssha t d e ea p ia o fte BP M o li h atr e o ni o . rto l, a n rd e t e t a tTh st e i ssu id t p lc t n o de n te p t n rc g t nsFis fali h sito uc d h i h e i t h
工 程技 术
计算机 光盘软 件 与应用 Cmue DSfwr n plctos optrC otaeadAp a n i i
21年第 1 期 00 主
B P模型在模式识别中的应用
史 红
( 吉林师范大学信息技 术学院,吉林 四平 160 ) 30 0
摘 要 :本 文主要 研 究 了B 模 型在模 式 识别 中的应 用 。首先 介绍 了B 模 型在 模式 识别 中的算 法和 特点 ,其 次B 模 型 P P p 在 二 维图像 中的识别 应 用。主要是 二 维图像 中边缘检 测 方法的 应用 。 关键 字:B 模型 ;模式 识别 ;边缘检 测 P 中图分 类号 :T 13 P 8 文献标 识码 :A 文章编 号 :10 — 59 ( 00 1— 0 6 0 07 99 2 1 ) 2 0 9— 1
TheAppl a in fBP o e Pa t r c g ii n i to o M d li c n te n Re o n to
Sh Ho g i n
(c o lfn r t nT c n g ,l oma U i ri,in 1 6 0 ,hn ) S h o o If mai e h  ̄o y i N r l nv sySp g 0 0C i o o Ji n e t i 3 a
BHale Waihona Puke 模型 的背景 P 5 年 代就 提 出 了两 种神 经 网络 的模 型 , 它们 是 感 知机 ~ O P e cprn 与最 小均 方联想机 一M 。前者 用线 性 阈值 单元 作输 出 r eto LS 单 元,后者 用纯性 单元 作输 出单元 。正如 Mn k 和 Ppr isy a et所判 断的那样 , 总能把任 何一 问题变 换为 多层感知 器 网中可解 的 问题 。 B P网是一 种具有 三层或 三层 以上 的多层神 经 网络 ,每一层 都 由若 干 个神经 元组 成,它 的左 右各层之 间 各个神经 元 实现全连 接 ,即 左 层的每 一个神 经元与 右层 的每个 神经 元都有 连接 ,而上 下各 神 经 元之 间无连接 。 B P网络 按有 教师学 习方 式进行 训练 ,当一对 学习模式 提 供给 网络后 , 神经元 的激活值 将从 输入层 经各 中 间层 向输 出层传 播 , 其
=
’
t
-
+e
 ̄
—
96 —
一
、
在输出层的各神经元输 出对应于输入模式的网络响应。然后,按
减 少希望输 出与实 际输 出误 差 的原则 ,从输 出层经 各 中间层 ,最 图l P B 学习算 法流程 图 后 回到输 入层逐 层修 正各连 接权 。 由于修正过 程 是从输 出到输 入 值 得 指出 的是 对于 大 多数 模式 识别 问题 ,由于 同一类模 式样 层进 行 的,所 以称 为 “ 误差逆 传播 算法 。 在 LS M 算法 中使 用线性单元 , 出单元 i 输 的活跃值 Y,简单地 本往往 存在 相 当大 的差 异 ,再考虑样 本本 身 的维 数很 高 ,所 以虽 i 然用 神经 网络进 行直接 识别 在理论 上是可 行 的,但 实际上其 时 间 由 y 罩 算 出,而 其误差函数则 为方差之和 。总误差 E被定义 为 i = 开销 是无法 接受 的 ,故 通常先 进行预 处理 完成特 征抽 取 ,再 由神 ∑‘= 一 其 中,P为一组输 入模式 ;f表示在输入 模式为 P时,输出结 经 网络进 行识别 ,不 同类 型 的识别对 象可抽 到不 同的特 征 。 图像 的 边缘 检 测 是 图像 识 别 前 必 不 可 少 的 环 节 ,M r 和 ar 点i 的期望值 ;y 表示 在输入模 式为 P ,输 出结点 i的实际值。 时 Hd eh提 出 的零 交 叉边缘检 测更 是一种 十分有 次 的方法 , 图像 ir t 二 、B 模型 的算法 及其特 点 P 强度 的突变 将在 一阶 导数 中产 生 一个峰 ,或等 价于 二阶 导数 中产 B 算法是 LS 法的一般化 ,事实上 B 模 型正是非线 性多层 P M算 P zr— rsn ) 图像 中的强度 变化 是 以不 同尺度 感 知器 系统的判决 能力与 LS M 算法 使均方误差 函数梯度极 小化相结 生一 个零 交叉 (eo Co ig ; 出现 的 , 故应 该用 若干大 小不 同的算子 才能取 得 良好 的检 测效果 。 合 的产 物. 在给 出了 Sgod型函数恰好 能满足 非线性 与连 接可微 im i 高斯 一拉普 拉斯滤 波器 能满足 ,其表 达式 为 的条件 ,故 B 算法 中大多选用 S god 函数 作为输 出函数 P im i 型 V xy =l2 c [一( + ) ]x [( + )a 】 G(,) /zr 2 / ep一 / Ⅲ 一 l 式 中 为 阈值 。 其 中 为 高斯 函数的 空间常 数, 值越 小 ,边缘 检测算 子 的 B P网是 多层感 知器 网与 L S算法 相结合 的产 物 ,根 据 B M P学 敏感 程度 就越高 , 图像 的细节 部分检 出越 多 。 习算法如 图 1,讨论 B 网络 的一 些特性 。 P 四 、小结 B 模 型的特 点, P 法继 承 了 D S P B算 d 算法 的误 差梯度 下 降以致 近年 来 , 经 网络 已成 为研 究的热 点, 取得 了广泛 的应用 。 神 并 达 到极 小的思想 , 因而 局 部极小 , 由三 结 点在 层 网所形 成 的误差 人 工神经 网络 是从输 入空 间到输 出空 间的一 个非线 性映射 ,通过 等 值线 图像 一个 马鞍 ,其左 上或 右下权 重变 化较 大 ,当从两 侧 向 学习 ”或发 现变量 间的关 系 ,实现对 事务 的 中部靠拢后 就分 别 向左 下和 右 为移 动 ,并形成 权 重几乎 不变 的区 调整 权重 和阈值 来 “ P P 域 即极 小区 ,这 样就有 两个 极小 区 。从不 同的初 始权值 开始 ,系 分 类 。B 网络 实现 网络 模 式识 别的算 法 和设 计得 到 的应用 ,B 模式 在 图像识别 的应用 中还用 不足之 处 , 将研 究更 好的 B 学 习算 P 统 可能至达 的 两个最终 状态 ,而且 系统 ~旦进 入其 中之一 就 无法 考虑 问题 设计 步骤 不断 的改进 , B 模 式应用 领域范 围更广 。 对 P 再 跳 出来 ,这就 意味着 系统 未能得 到最 优解 ,通 过研 究表 明,在 法 , 参 考文 献: B P网络 中采 用较 多的 隐单元 ,会 有效 的减少局 部极 小 的个数 。在 【 黄 伟 平, , 杰. 运 用模 式识 别与 回 归分析 的数据 事例算 1 】 徐毓 王 综合 学 习过程 中应使权 重按 误差 的导数 成正 比地修 正 。 法硐. 制与 决策, 1, 控 2 01 0 三 、B 模型 在二维 图像 中的识 别应 用 P 『 陈振 华, 2 】 余永权 , . 糊模 式识 别 的几咱基 本模 型研 究U. 算 张瑞 模 ] 计 通 过大 量实验 ,给 出 F 1 与 MG 2 两 种飞 机在三 种 飞行状 -5 I一 3 2 0 0 9 态 下的 图片 ,在 对 目 图像 fxY 抽取 了对平 移 , 比例 与旋 转变 机技 术 与发展 , 1 , 标 (,) 3袁 人 M】 北 清 化不 敏感 的 7 种矩 特征 后 ,用 B P算法进 行 30 00次迭代 后达 到 了 f】 曾 任 . 工神 经 元 网 络 及 其 应 用 I . 京 : 华 大 学 出版 2 0 网络 的收敛 ,然 后用此 种训练 过 网络对 同类 飞行 的另外 一些 图片 社 .0 3 『 张乃绕 , 4 1 阎平凡 . 经 网络 与模糊控 制 【 . 京: 华大 学 出版 神 M】 北 清 进 行识别 , 到很高 的识别 精度 , 中对 MG 2 达 其 I一3型飞机 达到 10 0% 社 .9 3 1 9 识 别率 ,对 F 1 一5型飞机 也达 到了 9 .% 56 。
nr ito uc ea p iain ft ee ged tci e o si h id e so a a e . d d h e t p lc t so h d e e t m t d teb- i n i n lm g s o ng h n m i K e w o d : o e ;atr e o n t n; g e e to y r sBPm d lP tenr c g i o Ed ed tc n i i