基于BP神经网络的工程图纸图形符号识别

本文提出一种应用ＢＰ神经网络识别工程图纸扫描图象分割后的图形符号的方法。此方法先对二值图象进行特征提取,并提出改进学习算法,以加快收敛速度,从科象识别。     

基于径向基概率神经网络的工程图纸图形符号识别

基于径向基概率神经网络，提出一种扫描工程图纸图像分割后的图形符号识别方法，针对已分割的扫描工程图纸图形符号图像，首先进行二值化处理，然后对二值图形符号图像进行Hu不变矩特征提取，再使用一种新型的径向基概率神经网络进行分类，从而实现图像识别．为加快径向基概率神经网络的收敛速度，采用递归最小二乘算法进行训练．实验结果表明，径向基概率神经网络在识别性能与速度等方面非常适合于工程图纸的图形符号识别。     

基于BP网络的车牌数字识别

本文论述BP算法的实现以及在利用BP算法时应注意的几个问题,然后利用BP网络对经过图像预处理,并归一化到12×8象素大小的车牌图像中的阿拉伯数字位图进行识别。实验结果表明,采用本文提出的BP网络识别方案,算法简便,识别率高,同样可适用于强噪声环境中的印刷体字符识别。     

基于改进BP算法的英文字母识别

提出了一种基于人工神经网络的英文字母识别方法。以改进的人工神经网络BP算法为基础,设计了一个英文字母识别系统,对大小写英文字母进行识别。实验结果表明,改进的BP算法降低了网络训练次数,有效地对由多种字体组成的英文大小写字母样本集进行训练,实现了对多种字体的英文字母的识别。     

基于改进BP神经网络的手写体数字识别

数字识别在许多领域有广泛的应用。通过对人工神经网络的研究与学习,运用改进的BP神经网络对无约束手写体数字识别过程中的数字样本进行识别。实验证明,该方法具有很强的抗干扰性,克服了传统BP算法的局限性,其识别率和准确率都有很大提高。     

基于改进BP神经网络的车牌识别算法

车牌识别是智能交通系统的一项关键技术,可以有效实现车辆信息的获取.针对车牌图像的倾斜、模糊等干扰导致的识别错误,本文通过Radon变换算法实现车牌定位矫正,通过引入附加动量项以及自适应学习因子,改进BP神经网络,提高了字符的识别准确率.对102张拍摄距离较远或存在车牌倾斜等干扰的汽车图像进行车牌识别,识别准确率达到95%,表明本文算法具有较好的识别准确率与抗干扰性.     

基于改进的BP神经网络车牌识别的研究

近年来,城市智能交通系统发展的很快,车牌识别系统作为城市智能交通系统中信息采集的一种重要手段,也引起越来越多关注.本文对车牌识别的形态进行深入研究,应用了改进的BP神经网络算法.实验结果显示这个方法可以更高效的识别车牌并且建立一个良好的未来车牌识别技术的基础.     

基于神经网络的相似汉字识别的研究

在计算机文字识别中相似汉字识别是一个难题, 我们对Hopfield人工神经网络加以改进, 提出了一种新的HNN网络模型, 并用它来识别相似字, 取得了良好的效果, 为相似汉字识别探索了一条新路。     

基于DCT的BP网的上海福利彩票数字识别

字符识别被广泛运用在各个领域，BP神经网络在识别方面具有显著的优势。在本文中，笔者以上海福利彩票为例，结合BP网和离散余弦变换，提出了BP网进行字符识别的一些步骤和方法。     

BP算法在手写体汉字识别中的应用

介绍了人工神经网络的概念和原理，重点介绍和推导了BP算法。分析了手写体汉字识别存在的问题及应用的技术，并对利用BP算法进行手写体汉字识别进行了详细讨论，分析了在用BP算法进行手写体汉字识别时的具体步骤，最后介绍了对BP算法提出的改进方法。     

一种高效的基于约束网络的工程图符号识别方法

将工程图中所有符号的几何特征转换为一个约束网格，用结点记录判断条件，边指示判断次序，实现以层次化约束判断为核心的过滤式识别方法，基于逐步简化的思想，该方法引入多层优先级和边属性的定义，通过优先级调整和边属性查询的配合，优化网络搜索；通过将巳经过约束检查的图元编号记录在结点中而大幅度减少图元遍历和判断。该方法应用在建筑工程图识别中效率较高，对符号种类多、图低内容复杂等情况适应能力较强。     

基于神经网络的符号自动识别系统研究

提出了一种新的基于神经网络的目标符号自动识别系统。该系统在图像的二值化处理过程，采用了小波变换的方法，该方法可有效克服噪声的干扰，自动确定灰度图像二值化所需要的阈值。在符号识别部分，采用了双向联想记忆（BAM）人工神经网络技术，通过改进的感知器学习算法，增大了网络的容量，可实现对采集的有污染或缺损符号进行正确识别。仿真实验结果说明，系统具有较强的稳定性和有效性，且易于工程实现。     

基于2-邻域局部结构的矢量图符号模糊识别方法

针对矢量图纸中经常出现的符号模糊性进行分类定义,提出一种基于2-邻域局部结构的符号识别方法.该方法利用局部结构的思想,首先将原型符号和目标图纸统一表示成2-邻域局部结构的集合,并定义2-邻域局部结构的相似距离;进而根据距离度量筛选出相似的局部结构;最后对目标图纸中的相似局部结构按照空间距离和缩放因子进行聚类,获得与原型符号相似的符号实例.实验结果表明,文中方法不仅可以解决包含重复结构、可伸缩等模糊性的符号识别问题,还能够保持较高的识别准确率.     

基于动态作图的图形符号编辑系统

在对比和总结国内外开发的公式编辑器的基础上，提出了基于动态作图的图形符号编辑系统的形式化模型。依据该模型，对动态作图的基本原理进行了分析，并给出了动态作图的面向对象设计，实现了一个通用的编辑器系统。最后对开发中遇到的问题和难点展开讨论，并介绍了为到达系统的通用性而考虑采用的组件对象技术。     

基于BP人工神经网络的手写体数字识别

手写体数字识别是模式识别研究领域多年来的热点,BP人工神经网络是目前应用最广泛的神经网络模型之一。将两者融合并结合Matlab软件,提出了一种简单的基于BP神经网络数字识别的方法,仿真实验结果表明,该方法识别效果良好,准确率高,有一定实用性。     

基于图形箭头符号识别的直线图形自动生成方法

提出了一种基于图形箭头符号识别的直线图形自动生成方法。在箭头识别的基础上 ,进行尺寸信息的提取 ,再以“尺寸标注线的箭头两端为中心的小区域内有尺寸界限线”为前提 ,根据尺寸信息 ,通过对尺寸界限线的识别、理解 ,形成对图形的约束及组织 ,从而实现标准图形的自动输出。     

建筑工程图符号的特征匹配识别方法

分析了建筑工程图中符号的表示特点，讨论了符号的视觉特征提取和组织方法，给出了基于必要-充分条件、按序特征匹配的建筑工程图符号识别方法及其加速措施．     

基于贝叶斯网络的在线草图识别算法

针对手绘草图识别算法大多采用限制用户绘制习惯来实现笔画分组的问题,提出一种基于贝叶斯网络的手绘草图识别算法。该算法将手绘草图识别中的笔画分组和符号识别统一为一个过程,用贝叶斯网络拓扑结构来表达草图结构信息。基于该网络,根据最大后验概率对连续输入的笔画进行动态最优分组,同时在线预测每组笔画的符号类别。实验结果表明,该方法是一种有效的在线递进式笔画分组和识别算法,在电路符号手绘识别中达到71.3%的过程识别率和85%的最终识别率。     

基于BP神经网络的人脸识别研究

为了对人脸图像的特征向量进行分类以达到人脸识别的目的,本文提出了运用BP神经网络进行人脸识别的方法。将人脸图像矩阵的奇异值作为识别特征,将BP神经网络作为分类器,通过实验表明该方法操作性强,结果可靠,可以快速的进行人脸图像识别。