神经网络对手写字符识别特征的提取

神经网络对手写字符有较强的识别能力,关键在于特征的提取。本文提出按字符字段和 均匀网络结构浓度提取手写文字特征的改进方法。     

基于连通域的字符孔洞提取算法及其实现

提出了基于等价类行程的连通域算法,通过计算字符图像背景区域连通域提取手写字符图像的孔洞特征。为将相关行程合并成连通域,构造一个等价类数组记录和传递相关行程间的连通关系。手写数字字符图像的实验结果表明,本文算法能准确有效地提取手写数字字符孔洞特征,可用于字符分类识别。     

部件字典结合时分方向特征的手写维吾尔字符识别

针对联机手写维吾尔128类变体字符,提出了一种基于部件字典和时分方向特征的识别算法。该算法首先结合连笔分析,将字符分解为主体、附加和点三类部件,建立手写维吾尔字符的部件字典,有效解决联机手写维吾尔字符的笔顺连笔自由问题;然后,为减轻手写字符拓扑变形造成的干扰,对单个部件提取一种新的联机特征-时分方向特征,该特征在模糊域提取方向链码然后按时序划分统计,并通过检测和调整短时变动进行抖动校正;最后,设计不同分类器对各部件进行匹配,利用匹配测度分布估计各部件权重,并通过加权朴素贝叶斯融合得到字符识别结果。实验结果表明,该算法能有效地识别128类无约束手写维吾尔字符,在包含13 056个样本的手写体维吾尔字符数据库上的平均识别率为93.15%。     

多尺度特征与知识图谱融合的景区手写诗词识别

针对景区手写诗词存在背景纹理复杂、字体尺寸及风格多样等特点导致景区游客难以识别手写诗词的问题,首先,分析研究景区手写诗词的识别场景,设计景区诗词检测网络（detection of poetry in scenic areas-network,DPSA-Net）以提取景区手写诗词不同尺度的特征,并结合手写诗词字符间的链接依赖关系实现景区手写诗词检测;其次,设计了卷积循环聚合网络（convolution recurrent aggregation network,CRA-Net）以对景区手写诗词进行识别,结合卷积神经网络（convolutional neural networks,CNN）和双向长短期记忆网络提取手写诗词图像的序列特征,并通过聚合交叉熵（aggregation cross-entropy,ACE）实现特征向文本的转换;最后,结合景区知识图谱对CRA-Net的输出进行校正,进而提高景区手写诗词的识别准确率。实验结果表明,通过景区手写诗词矫正技术对CRA-Net的识别结果矫正后,识别准确率达到了79.04%,同时,该技术具有较好的抗干扰能力和良好的应用前景。

     

基于逐步求精方式的手写字符识别——一个准专家系统

本文构造了一个基于字符外轮廓特征的树形结构手写字符分类器,并提出了以此方法为基础建立字符识别专家系统的设想。     

一种多特征组合与多神经网络分类器集成的手写数字识别新方法

提出了一种多特征组合与多神经网络分类器集成的手写体数字字符识别方法。新方法对结构简单、书写规范的数字字符使用高效的结构分类器实现快速分类;对结构分类器不能准确分类的字符,首先通过提取多个特征,构造不同结构和类型的多个神经网络分类器,然后对多个分类器的识别结果,通过多专家集成方案对手写数字进行最终判决。实验结果表明,提出的方法能有效降低识别错误率,提高识别系统的可靠性。     

基于粘连符号分割和多特征融合的手写公式识别

为了解决字符粘连影响脱机手写数学公式自动识别的问题,提出一种基于字符轮廓特征的单点粘连符号切分方法.首先利用字符上下两侧轮廓方向码信息得到切分点和切分方向;然后结合宽度、高度、角点个数、投影轮廓等几何特性对切分后的字符片段实现多特征融合的特殊符号识别,并将特殊符号从整体数学公式中进行有效分离;最后结合特殊符号与周围字符的上下左右、重叠、半包围等空间位置关系特性实现结构的解析,并将经过卷积神经网络识别后的普通字符代入结构解析序列,实现公式的整体识别.实验结果表明:该方法能有效处理数学公式中粘连情况及特殊符号识别;粘连符号的切分准确率达到87.25％,提高了手写数学公式的整体识别率.     

纵横投影的七段码"8"字型手写数字识别

根据电子屏幕只需七段码“8”字型就可将0~9这10个数字表示出来的情况,设想把数字作为一个整体放到七段码“8”字型中进行识别.本文提出了一种纵横投影的七段码“8”字型手写数字识别,其做法是根据数字的外形特征将数字对七段码“8”字的各框上进行投影,将手写符转化为标准符进行识别,从而简化字符特征的提取.与传统识别方法相比,更容易实现,实验证明了这种方法的有效性.     

联机手写数学公式识别系统的设计和实现

该文设计并实现了一个联机手写数学公式识别系统。系统通过手写输入符号、字符进行有效的预处理,获取并简化字符笔画区域码序列以及字符位置关系,然后应用模糊矩阵的区域码序列匹配运算进行字符匹配,在匹配过程中提供字符的自学习能力,最后通过基于数学公式规则的语法分析,实现了数学公式的识别。该文的手写数学公式识别系统相对简单,使用方便。     

手写字符样本自动采集研究

提出用行程段信息表示字符图像的编码方法 ,以二进制形式存取 ,能节省大量的文件存储空间。预处理阶段 ,使用最佳阈值二值化方法和平滑技术处理样本表格图像。为保证字符图像正确分割 ,先提取样本表格图像垂直边缘 ,然后使用Hough变换检测图像倾斜角度。提出了快速标记行程段中心迭代算法实现字符图像的分割。手写数字样本自动采集实验表明本文方法的有效性     

Fuzzy logic systems are equivalent to feedforward neural networks

Fuzzy logic systems and feedforward neural networks are equivalent in essence. First, interpolation representations of fuzzy logic systems are introduced and several important conclusions are given. Then three important kinds of neural networks are defined, i.e. linear neural networks, rectangle wave neural networks and nonlinear neural networks. Then it is proved that nonlinear neural networks can be represented by rectangle wave neural networks. Based on the results mentioned above, the equivalence between fuzzy logic systems and feedforward neural networks is proved, which will be very useful for theoretical research or applications on fuzzy logic systems or neural networks by means of combining fuzzy logic systems with neural networks.     

一种基于遗传算法径向基神经网络的混合无线定位算法研究

文章提出了一种基于径向基神经网络的混合无线定位算法。采用径向基函数(Radial basis function neural net-works-RBF)神经网络建立移动台位置估计模型,并用递阶遗传算法(HGA)同时训练RBF的网络结构和参数。对进行位置估计的三种参数TOA/TDOA/AOA进行数据融合,以有效地提高定位精度。与传统BP神经网络定位算法进行比较,仿真结果表明,该算法的定位结果能够很好地满足FCC的定位要求。     

基于重要性抽样的图卷积社团发现方法

根据图论将复杂网络转化为图结构数据,使卷积神经网络能够高效方便地处理;通过将图像上的卷积操作延伸到图结构数据上来定义卷积核,并通过卷积层对图的粗粒化和池化操作,提取不规则数据复杂网络的特征. 在采用随机梯度下降法训练网络时,设计一种重要性抽样方法改变样本的分布来缩减方差,从而节省梯度计算时间. 实验结果表明,与现有的图卷积网络相比,该方法在社会网络、引文网络、知识图谱数据集中,均能够以较低的计算复杂度获得较好的社团发现准确率;而且能够减少计算时的内存占用,可扩展到更大规模的复杂网络中使用.     

基于混沌分析的BP神经网络模型及其在负荷预测中的应用

结合混沌分析理论和BP神经网络，提出在混沌相空间建立BP神经网络模型。运用混沌方法构成训练样本及确定神经网络的网络结构，用神经网络拟合相空间相点演化的非线性关系。并利用该模型对具混沌特性的电力系统日负荷时间序列进行短期预测，对比了标准BP网络模型和混沌线性回归模型的预测结果，结果表明基于混沌分析的BP神经网络模型的预测精度较高。     

两个时变复杂网络的自适应同步

研究了两个时变复杂网络的自适应同步。根据Lyapunov稳定性理论,分析了两个时变复杂网络的同步条件,并且证明了它的有效性。为了验证理论结果,以不同参数下的Lorenz系统作为两个时变网络的节点动力学系统进行仿真分析,从仿真结果可以得到：如果不施加控制,这两个时变复杂网络不能实现同步;如果设计合适的自适应控制器,这两个时变复杂网络将达到同步。不管是对相同结构的复杂网络,还是对不同结构的复杂网络,仿真结果和理论分析均一致。     

无线网络与有线网络连接的瓶颈速率

研讨了无线网络与有线网络连接的瓶径速率问题,指出了有线网络主要的一些接入技术对应的数据传输速率.还讨论了无线局域网WLAN、蓝牙piconet微网和有线网络的互连,在若干种不同情况下互连后的瓶径速率的问题,以免造成网络带宽资源的浪费.     

Synchronizability of time-varying structured duplex dynamical networks with different intra-layer rewiring mechanisms

Global synchronizability of duplex networks induced by three different intra-layer rewiring mechanisms is explored in this paper. The rewiring mechanisms are named as model-preserving rewiring (MPR), simply direct rewiring (SDR), and degree-preserving rewiring (DPR), respectively. It is found that high switching frequencies will certainly enhance global synchronizability for WS-WS duplex networks (i.e., each layer is independently formed by the algorithm proposed by Watts and Strogatz for generating small-world networks), ER-ER duplex networks (i.e., each layer is independently generated by the algorithm proposed by Erdös and Renyi) and BA-BA duplex networks (i.e., each layer is independently formed by the classical BA algorithm). Namely, the faster the intra-layer couplings are reconnected, the faster the duplex networks reach global synchronization. Furthermore, we find that by increasing the intra- or inter-coupling strengths, the WS-WS time-varying network’s global synchronizability is enhanced. Take the WS-WS time-varying network as an example, we find that SDR mechanism has greater impact on global synchronizability than MPR mechanism and DPR mechanism. The related dynamical networks can arrive at synchronization faster by SDR than by MPR or DPR. Thus, we only study the effects of SDR on ER-ER duplex networks and BA-BA duplex networks. In addition, we obtain the fact via numerical simulations that, switching intra-layer coupling topologies under SDR mechanism has the greatest impact on the BA-BA duplex network, followed by the ER-ER network, and has the weakest influence on the WS-WS duplex network in terms of improving the global synchronizability when all the intra-layer networks are sparse and have the same average degree. Finally, the global synchronizability of WS-WS and BA-BA time-varying networks is improved compared with static duplex networks, the reason being that the networks tend to be randomized under SDR according to analysis of the networks’ average clustering coefficients and degree distributions.

     

一种具有常数度的无线P2P覆盖网络

由于无线网络中的资源受限性和拓扑动态性,有线网络上的已存在P2P系统很难直接应用到无线网络中。基于代数群论中的半直积方法,构造了一个具有Cayley图特性的常数度结构化P2P系统。Cayley-4DHT利用节点标识符将网络中的节点按照位置进行分组,使覆盖网络上邻近的节点在物理拓扑上也是相邻的,另一方面,通过在Cayley-4DHT的路由算法中嵌入无线网络中的跨层方法,使无线网络的广播特性在P2P资源搜索中得到了充分的利用。理论分析和模拟实验结果表明,Cayley-4DHT在无线m esh网络中,能提供较好的资源搜索性能。     

运用GA-BP神经网络研究时间序列的预测

神经网络能以任意精度逼近非线性函数,以神经网络为基础的时间序列预测模型能很好地反映信息的非线性发展趋势。该文在分析传统BP网络缺点的基础上,用具有良好全局搜索能力的遗传算法来改进神经网络。详细讨论了GA算法的优化神经网络初始权值和阈值的思想和理论。在阐述预测方法同时,用具体例证分析了GA-BP网络预测的性能和特点。结果表明,基于GA-BP神经网络在预测精度和适应性方面高于传统的BP神经网络。     

延迟离散Hopfield神经网络的动态行为

主要研究带有延迟项的离散Hopfield神经网络动态演化行为. 给出了延迟网络并行收敛于周期小于等于2的极限环的一些条件. 同时,得到了延迟网络收敛于周期为2的极限环的条件. 而且对所获结果通过例子进行了验证. 这些结果为延迟离散Hopfield神经网络的进一步分析和应用提供了一定的理论基础.