共查询到20条相似文献,搜索用时 156 毫秒
1.
本文提出了一种基于外接同心圆结构提取贯穿特征码的自由手写体数字的神经网络识别。该方法是用自由手写体数字的外接同心圆来提取其贯穿持征码,将获得的模式特征训练改进的BP神经网络分类器,从而达到快速分类的目的。将其应用于邮政编码识别系统,单字的识别率达到97%以上,整信的识别率可达到92%以上,得到了令人满意的结果。 相似文献
2.
结合距离分类器的神经网络手写体汉字识别 总被引:1,自引:1,他引:1
手写体汉字识别技术中如何解决复杂的大类别识别问题,是汉字识别中的一个难点。该文介绍了基于笔划的手写体汉字特征抽取方法,提出了一种基于预分类的神经网络汉字识别方法,该方法用一个传统的距离分类器先对汉字进行预分类,神经网络根据预分类结果进行有选择的训练和识别,能有效解决神经网络大类别模式识别中的训练和分类问题,学习时间很短,识别效果较理想。 相似文献
3.
4.
本文比较了两种识别手写体数字的技术,各以二维(2D)空间快速傅里叶变换(FFT)系数,几何差动(moment)和拓扑特性等进行比较,分别采用一种逆向传播神经网络和一种最贴近相邻(nearest-neighbor)分类器,评价识别特性与运算条件,比较结果表明,神经网络解决复杂问题性能远优于相邻分类器,而且成本也低。 相似文献
5.
基于组合分类器的自由手写体数字识别方法 总被引:1,自引:1,他引:0
自由手写体数字识别广泛应用于信息录入和文本识别中。基于组合分类器实现手写数字的识别,克服了单因子识别的局限性,识别中使用距离法和改进的BP神经网络方法,以多种特征向量作为分类器的输入,以举手法则确定识别输出。实验证明,该系统具有较高的识别率和极低的误识率,有令人鼓舞的应用价值。 相似文献
6.
本文论述了一个能分析干扰自由手写数字识别的神经网络和专家系统模型。它的基本识别器是一个神经系统网络,能解决大部分问题,但在一定的干扰影响下会失败。专家系统是第二个识别器,由神经网络分析产生的干扰。神经网络分类器由改进的自组织图形(MSOM)和矢量化学习(LVQ)组成。实验在自组织图形上进行,并应用了MSOM、SOM&LVQ以及MSOM&LVQ技术。实验表明,采用自由手写体数据库的样本,按照这些两层 相似文献
7.
8.
手写体汉字识别纯神经网络多分类器集成 总被引:1,自引:1,他引:0
多分类器集成是解决手写体汉字识别性能的重要方法之一,近年来受到了学术届的普遍关注。文章提出了一种基于单字单网的手写体汉字识别纯神经网络的多分类器集成方案,并通过实验证明该方案是行之有效的。 相似文献
9.
基于神经网络的手写体汉字识别实验系统 总被引:2,自引:0,他引:2
本文针对BP网络的特点, 讨论了手写体汉字特征的抽取, 给出了BP网络的算法, 对于特定人手写体汉字大写“壹”~“ 拾”取得95%以上的识别率。 相似文献
10.
11.
12.
基于新型神经网络分类器的故障诊断模型 总被引:3,自引:1,他引:3
针对故障诊断技术普遍存在的问题:缺乏通用性、不能同时保证稳定性和可塑性以及难以实时应用等,提出了一种故障示例模型,具有较好的通用性;采用的FANNC神经网络具有增量学习能力以及只需一遍学习就能完成同新增模式匹配的特点,在保证了模型的实时处理能力的同时,能较好地解决诊断系统的稳定性和可塑性两难问题。 相似文献
13.
14.
采用一维自组织特征映射神经网络对医学图像进行聚类分析,实现对不同组织的自动分割.避免了直接使用灰度门限分割方法由于门限值选择不当所导致的分割结果有失准确性的缺点.试验结果表明,利用该方法能够较好地保证分割结果的准确性和完整性. 相似文献
15.
16.
基于BP神经网络的人脸识别方法 总被引:25,自引:1,他引:25
人脸自动识别是计算机模式识别领域的一个活跃课题,有着十分广泛的应用前景。文中提出了基于BP神经网络的人脸识别方法,论述了人脸图像矢量的特征压缩问题、网络隐含层神经元数选取问题、网络输入矢量的标准化处理问题以及网络连接权值选取问题。对于18人、每人12幅图像组成的脸图像数据库做识别实验,实验结果表明文中所设计的神经网络分类器比常用的最近邻分类器有效地降低了识别错误率。 相似文献
17.
为了提高卷积神经网络对非线性特征以及复杂图像隐含的抽象特征提取能力,提出优化卷积神经网络结构的人体行为识别方法.通过优化卷积神经网络模型,构建嵌套Maxout多层感知器层的网络结构,增强卷积神经网络的卷积层对前景目标特征提取能力.通过嵌套Maxout多层感知器层网络结构可以线性地组合特征图并选择最有效特征信息,获取的特... 相似文献
18.
在通用函数逼近定理基础上,介绍了一种将反向传播神经网络和径向基神经网络模型相接合的组合神经网络模型,并将该模型应用于上海证券指数的预测.仿真实验结果表明,该模型很好地减小了预测值和实际值之间的误差,预测效果也优于普通的反向传播神经网络模型. 相似文献
19.
一种基于NFCS形态的模糊神经网络的学习算法 总被引:3,自引:1,他引:3
彭志平 《计算机研究与发展》2002,39(11):1436-1441
神经网络与模糊逻辑协同系统(NFCS)是神经网络与模型系统深度融合的一种形态,传统的BP算法也可作为NFCS的学习算法,但收敛性能不佳,针对NFCS形态的模糊神经网络提出了BP算法的一种新的改进算法(NFCS-BP),即在误差传播时不仅改变网络的连接权值,同时也改变模糊逻辑神经元模型的补偿参数,首先介绍了NFCS的协同机制和典型结构,然后详细推导了改进算法的迭代公式,实践证明,与传统BP算法相比,该算法具有收敛性能好,函数逼近精度高的优点。 相似文献
20.