车牌图像特征提取及改进神经网络的识别算法研究

针对车牌字符图像进行特征提取与识别算法的研究。使用BP神经网络识别算法建立车牌字符图像的识别。由于常规BP神经网络算法本身存在训练过程容易陷入局部最小值、收敛效率低以及网络结构参数不易确定等缺点。另外,BP网络结构参数的选取对算法的性能影响很大,而参数的选取通常是根据经验公式选取的,存在很大的随机性和盲目性,使算法的性能无法得到保证。因此该文使用收敛速度快、适用于全局搜索的PSO优化算法对BP神经网络算法的性能进行优化,研究一种双粒子群优化的改进BP神经网络算法。最后通过车牌识别实验对识别算法进行研究,结果表明,通过对神经网络算法进行改进,使用其建立汉字识别模型、字母识别模型以及混合识别模型的识别准确率均优于常规神经网络算法建立的模型,具有较好的识别性能。     

一种光照不变的人脸识别新方法

本文研究并实现了小波变换,光照商图像与BP神经网络相结合对不同光照条件下的人脸图像进行识别的算法.运用小波变换方法对图像进行降维,运用光照商图像方法对图像进行预去光,运用BP神经网络进行人脸识别;同时讨论了BP网络输入矢量的标准化处理问题、网络隐含层神经元数选取问题,以及对Sigmoid函数和网络学习速率的改进问题.利用Yale Face Database B人脸数据库进行识别实验,结果表明,通过预去光,网络的识别率有了显著提高;本文设计的改进BP网络在与非改进网络得到相同识别率情况下,其收敛速度明显加快.     

基于过程神经网络的语音识别技术研究

过程神经网络是一种基于过程神经元的新型神经网络,其输入及权值皆为时序函数。针对语音识别的特点,对过程神经网络在语音识别技术中的应用进行了探索性的研究,并与传统的BP神经网络、径向基函数网络进行了比较。仿真结果表明,采用过程神经网络进行的语音识别,识别性能得到了提高。     

基于改进BP神经网络的脱机手写文字识别

在MATLAB中构建脱机手写文字识别系统,并利用Levenberg-Marquardt算法对标准BP神经网络的阈值和权值进行优化。经过仿真实验,证明该改进方法克服了在识别过程中BP网络存在的训练时间长、收敛速度慢等缺点,并且提高了系统的识别率,是一种有效可行的BP网络改进方法。     

改进BP神经网络的EMG手指运动识别

在基于肌电信号(EMG)手指运动的模式识别中,稳定性和识别率是两个主要问题,为此提出了一种新的EMG模式识别算法。该算法采用现代信号处理理论中的AR模型和改进的BP神经网络相结合的算法,有效的解决了BP网络识别中落入局部极值问题。进行试验,将提取到的特征值输入MATLAB建立一个改进多层BP神经网络,识别三个不同类型的手指运动。实验表明,改进BP算法较传统BP算法获得了更高的识别精度,达到94%左右。     

灰狼算法优化BP神经网络的图像去模糊复原

为了解决传统复原算法在退化图像复原过程中过度依赖先验知识弊端,提出利用BP神经网络学习和泛化能力强的优点进行退化图像复原研究。首先,采用BP神经网络进行退化图像的复原研究。然后,针对BP神经网络在学习过程中由于对网络初始值的过度依赖导致网络收敛速度慢、易于陷入局部极小值的缺点。提出利用灰狼优化算法的全局搜索能力对BP神经网络的初始参数进行优化,并利用改进收敛因子与动态权重指导种群移动的方式对灰狼算法进行改进。实验表明,本文提出的改进灰狼算法优化BP神经网络复原方法与维纳滤波算法、L-R复原算法、BP神经网络和PSO-BP神经网络等复原方式相比,收敛速度和复原精度方面得到大幅度提高,在客观的评价标准结构相似度与峰值信噪比方面都获得较好的数值结果。     

改进BP神经网络在物体识别中的应用

针对传统BP神经网络容易陷入局部极小、收敛速度慢和确定隐含层的神经元个数比较困难等缺点,从结构和算法两方面对BP神经网络进行改进。改进后的网络具有较快的收敛速度和较短的运行时间,加强了BP神经网络的学习能力和自适应能力,并将其应用于物体的分类识别,取得了良好的效果。仿真结果表明了此改进方法的可行性和有效性。     

基于GA改进BP神经网络网络异常检测方法

考虑到常规BP神经网络算法容易陷入局部最优解,所建立的网络遗传流量检测模型检测效率低,准确率不高等问题,提出一种改进型GA优化BP神经网络算法,并使用其建立网络遗传流量检测模型。常规遗传算法在搜索过程中,往往会由于出现影响生产适应度高的个体而对遗传算法搜索过程产生影响的现象发生,因此需要对常规遗传算法进行改进。使用的方法是通过混合编码方式进行改进,同时对交叉算子、变异算子、交叉概率以及变异概率等参数进行优化修正。使用KDD CUP99数据库中的网络异常流量数据进行实验研究,研究结果表明,所提出方法的检测性能要明显优于常规算法,其对BP神经网络的结构、权值以及阈值进行同步优化,避免了盲目选择BP神经网络结构参数带来的问题,避免了常规BP神经网络容易陷入局部最优解的问题。     

改进的BP神经网络在传动轴结构设计中的应用

Shaffer函数定义域在[-10,10]区间内,BP神经网络拟合该函数训练时间长,且无法达到期望精度,说明BP神经网络拟合复杂非线性函数能力需改善。文章提出了一种改进的BP神经网络,先对网络的输入进行K-Means聚类,BP神经网络训练采用大规模节点,聚类输入分别激活部分节点进行训练,每组聚类使用不同的节点,通过子网络训练聚类样本,减少了网络拟合难度。经测试改进的BP神经网络达到了精度。最后,用改进的BP神经网络进行了轴径的最优计算。     

基于联想记忆神经网络模型的BP算法

提出一种改进神经网络BP算法的识别训练系统。实验结果表明，基于联想记忆神经网络模型的BP算法，大大降低样本可变系统的网络训练次数。该系统有效降低样本可变系统的网络训练时间，为BP算法应用于对实时性要求高的场合提供算法基础。     

基于遗传算法的神经网络集成在人耳识别中的应用

BP神经网络算法存在收敛速度慢和网络泛化能力差的缺点,影响分类识别率。为了提高网络的分类识别能力和泛化能力,在此介绍一种基于遗传算法的神经网络集成方法,即训练出多个个体BP神经网络,利用遗传算法选择差异度较大的个体BP网络进行神经网络集成,再利用该神经网络集成进行分类识别。实验结果表明,神经网络集成可以提高识别率。     

基于改进神经网络的机床刀具故障诊断

针对机床刀具的故障诊断系统进行研究,使用智能人工神经网络算法建立诊断模型。为了提高神经网络模型的训练效率,避免网络陷入局部最优解,使用一种改进的量子神经网络,将附加动量与自适应学习速度方法融合,提高网络收敛效率。使用五轴联动铣床进行刀具故障诊断识别。对声发射信号进行特征提取,使用总振铃技术、总能量、有效电压、事件计数、重心频率、均方根频率以及频率标准方差作为网络的输入向量,判别刀具为新刀、轻微磨损或严重磨损。实验结果表明,使用的改进的量子神经网络的效率以及识别准确度均高于常规BP神经网络。     

基于改进的小波神经网络的汽车电控汽油机故障诊断

针对现有BP网络在汽车电控汽油机故障诊断中存在的问题,提出将小波函数与神经网络结合构成小波网络,代替BP网络用于故障诊断。并对小波神经网络提出了两个方面的改进。首先是对输出层函数进行了改进,其次是用熵函数代替均方误差函数作为网络的代价函数。仿真结果表明此改进的小波神经网络算法进行汽车电控汽油机的故障是有效的,而且与传统的BP神经网络相比,该改进的小波神经网络具有更强的逼近能力,更快的网络学习收敛速度和能有效避免局部最小值问题。     

基于不变矩和改进BP神经网络的目标识别

基于Hu不变矩的尺度不变性,以图像的不变矩特征作为输入,建立基于批训练的改进型误差反向传播(BP)神经网络。运用基于Bayesian正则化的Levenberg-Marquardt算法优化误差函数计算精度,改进网络,实现参数最优化组合。通过MAT LAB环境,建立了基于不变矩的改进BP神经网络目标识别模型。实验表明,该方法实现了对目标的准确识别和对干扰图像的正确判断。     

基于主成分分析与BP神经网络的识别方法研究

利用BP神经网络对红外目标进行识别之前,若不对原始样本数据进行预处理与特征提取,一方面使识别结果准确性降低,另一方面使BP神经网络的结构复杂化,采用主成分分析法可解决这些问题。主成分分析法能较好地提取表征样本的少数几个主分量,由该方法的特点可知,这几个主分量彼此不相关,非常符合特征优化的要求。研究结果表明,用该方法处理后的结果数据输入BP神经网络．提高了识别正确率,减少了训练时间,同时也简化了网络结构。将两种常见的模式识别方法结合用于红外目标识别：先由主成分分析法对原始样本数据进行精简处理,然后再由BP神经网络法进行分类识别,与传统的单一识别方法相比,准确度得到提高,计算量大为减少。     

基于神经网络的汽车牌照自动识别技术研究

提出了一种应用BP神经网络识别汽车牌照字符的方法,重点讨论了关于BP神经网络学习过程初始权值的选取、隐含层节点数的确定和权值学习算法的改进问题,实验结果表明：该方法用于车牌识别具有较快的收敛速度和较高的识别精度。     

基于改进的蛙跳算法的神经网络在语音情感识别中的研究

本文提出了一种改进的混合蛙跳算法,利用混沌运动的遍历性改善初始个体的质量和引入高斯变异,提高了算法的全局搜索能力,同时将改进算法与人工神经网络结合,并把它应用到语音情感识别系统中.依据情感的维度空间模型.分别提取了情感语音的韵律特征与音质特征,研究了谐波噪声比特征随情感类别的变化特性.利用本文所提的蛙跳算法(SFLA)训练随机产生的初始数据,优化神经网络的连接权值,能快速地实现网络的收敛.在实验中比较了BP神经网络、RBF神经网络与改进SFLA神经网络分别用于语音情感以别的识别性能,结果表明基于改进SFLA的神经网络的平均识别率高于BP神经网络9.2个百分点,高于RBF神经网络7.9个百分点.因此本文所提的蛙跳神经网络用于语音情感识别能获得明显的识别性能的提升.     

蚁群约简与神经网络用于航空发动机故障识别

为解决航空发动机转子系统故障模式识别这一复杂问题,将蚁群算法与BP神经网络相结合应用于故障模式识别.文中采用蚁群算法对反映发动机运行工况的故障特征参数进行约简,并结合BP神经网络对故障识别过程做了分析,以航空发动机转子系统的故障识别为对象进行了实验验证.结果表明,利用蚁群算法对航空发动机转子系统故障特征参数进行约简,剔除了输入冗余信息,降低了网络数据维数,提高了运算效率和故障识别的正确性.     

群智能算法优化神经网络在网络安全的应用研究

网络安全是当前网络管理领域研究中的重点,针对BP神经网络的阈值和连接权值优化问题,提出一种群智能算法优化BP神经网络参数的方法,并将其应用于网络安全.首先对群智能算法中的生物地理学算法进行改进,加快其收敛速度,然后采用改进生物地理学算法择BP神经网络的阈值和连接权值,最后采用网络入侵数据集对其有效性和优越性进行测试.结果表明,生物地理学算法可以快速找到BP神经网络的最优阈值和连接权值,提高了网络入侵检测的正确率,可以有效的保护网络系统的安全.     

基于改进LeNet-5模型的手写数字识别

在卷积神经网络的基础上改进了LeNet-5模型,建立了更适合于手写数字识别的神经网络模型,并对改进后的模型及网络训练识别过程进行了详细介绍。将改进后的模型用MNIST字符数据库进行验证,分析了不同卷积层特征图数量、每批次训练数等参数对最终识别性能的影响,并与几种常用识别方法进行比对。通过结果可看出,改进后的新型网络结构简单,识别度高,识别速度快,具有鲁棒性好,泛化能力强等优点。说明改进后的神经网络模型对手手写数字具有很好的识别性能,能满足实际应用需求。