基于改进BP神经网络的指纹自动分类器

指纹分类技术是指纹数据库的一个重要索引机制。本文提出了一种新型BP网络指纹分类算法。对采集到的指纹图像进行归一化处理,计算出方向图,然后利用Poincare索引值在指纹方向图上寻找出指纹奇异点,并将其送入到改进的三层BP神经网络进行分类,克服了单纯BP算法易陷入局部极值的缺点,提高了网络全局收敛效率。采用该算法对1382枚指纹进行分类,准确率高达95.7%,达到了良好的指纹分类效果。     

基于BP神经网络的指纹模板分类器分类算法

一、引言计算机指纹识别技术是一门综合性的技术,21世纪的今天,它已成为可靠的个人身份鉴定的方法之一。在所有生物识别技术中,指纹识别技术是应用最广泛最普及的,例如它可以应用于金融、保险、证券行业的身份认证,安防业,人力资源管理等等。但随着应用广泛性的增强,人工对比指纹往往会出现效率低、速度慢的现象,所以近年来人们对指纹识别技术的可靠性、实时性的要求变得越来越高了。针对这样的要求,本文提出了一种基于BP神经网络的、对已建好的指纹模板库进行快速分类的算法。     

基于BP神经网络的文本自动分类系统设计

在广泛研究现有文本自动分类方法的基础上,发现人工神经网络具有很强的自学习性、自组织性、联想记忆功能和推理意识等,在文本自动分类上有着独特的优势.为此,设计一个基于神经网络的文本自动分类系统.该系统采用模块化的设计,关键算法和功能均封装在模块中,使系统具有良好的扩展性.     

基于神经网络和傅氏变换的指纹自动分类系统

本文介绍了一个基于两种傅氏变换进行图谱增强,用概率神经网络进行指纹分类的指纹自动分类系统,又称ＡＦＣＳ（Ａｕｔｏｍａｔｉｃ Ｆｉｎｇｅｒｐｒｉｎｔ Ｃｌａｓｓｉｆｉｃａｔｉｏｎ Ｓｙｓｔｅｍ）。该系统运用了一种新的图谱增强方法及不均匀的特征表示方法,用ＰＮＮ（Ｐｒｏｂａｂｉｌｉｓｔｉｃ Ｎｅｔｗｏｒｋ）进行分类,实现了提纹的自动分类。     

基于串行分类器的字符识别

在特征提取的基础上，比较了采用Bayes分类器和基于特征值的BP网络两种常用字符识别方案；最后在Bayes分类器的基础上，采用二级串行结构分类器融合的改进处理方案对车牌中的大写英文字母进行字符识别。实验结果表明，该方法达到较高的识别率，而且可很容易地推广到车牌识别中的汉字字符识别和数字字符识别相应的处理方案。     

基于改进BP神经网络的图像识别系统

本文提出了一种基于改进BP神经网络的图像识别方法。为提高BP网络的运行效率，先将图像进行滤波和降维处理，再运用独立成分分析（ICA）提取图像的独立成分，将原来较大的图像数据压缩成为一组彼此独立的输入变量。然后，采用改进的三层BP神经网络对输入变量进行训练。这样将ICA的空间局部特征提取功能和BP网络的自适应功能有机地结合起来，增强了系统的鲁棒性。数值仿真表明，该方法的图像识别率可达到91．2％。     

一种神经网络文本分类器的设计与实现

论文着重介绍了一种基于神经网络的文本分类器,分类器使用神经网络作为分类工具,特征词的词频组成原始特征向量,和神经网络输入层的神经元一一对应。并引入了信息检索中的常用技术——潜在语义索引,训练过程中结合遗传算法,优化神经网络的初始权值。最后对分类器进行了开放性测试,实验表明分类器对文本分类具有较高的平均查全率和平均精度。     

基于改进的BP网络模型的分类器的设计与实现

用改进的ＢＰ网络模型作了分类器。改进的模型拓扑结构最简，学习速率快，分类准确率高。     

基于形心同心圆结构的自由手写体数字神经网络分类器

本文提出了一种基于自由手写体数字的形心同心圆结构来提取贯穿特征码的神经网络识别方法。该方法是用自由手写体数字的形心同心圆来抽取其贯穿特征码，将获得的这些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。将其应用于自由手写体数字的信函自动分拣系统，单字的识别率达到９７％以上，整信的识别率也可达到９２％以上，得到了令人满意的结果。     

基于改进BP神经网络的智能Agent分布式入侵检测系统

针对目前入侵检测技术存在问题.根据通用入侵检测框架CIDF,给出了一个基于改进BP神经网络的多Agent分布式入侵检测模型MAIDMBN(Multi-Agent Distributed Intrusion Detection Model Based on Improved BP Neural Network),该模型采用了异常检测与误用检测相结合和基改进BP算法的学习机制.MAIDMBN的实验结果表明在误报率、漏报率有一定的改善,系统能进行有效的检测.     

基于BP神经网络和改进D-S证据理论的目标识别方法

针对应用经典D-S证据理论时,其关键参数基本概率赋值(BPA)往往凭主观经验获得,导致决策可信度低的问题,提出通过构建BP神经网络来获取基本概率赋值的方法。该方法利用BP神经网络强大的自学习和非线性映射能力,归一化输出值得到基本概率赋值。同时,为了解决高冲突度证据合成结果有悖常理的问题,提出一种基于证据信任因子的新的融合方法。根据证据的信任因子赋予其相应的权重,加权平均后得到期望证据,再进行合成。实验结果表明,该改进方法消除了高冲突度证据对合成结果的影响,具有更高的目标识别准确度。     

一种基于指纹辨识的银行代管保管箱管理系统

本文在介绍指纹识别基本原理的基础上,设计出一种基于指纹辨识的银行代管保管箱管理系统。文中给出了系统的硬件结构、系统功能和软件实现方法。     

基于改进遗传算法的神经网络优化设计

针对前馈式多层神经网络的结构和权值设计方法的缺陷,提出了一种基于改进遗传算法的前馈神经网络自动优化设计方法,用以完成对网络结构和权值空间的搜索,提高神经网络的收敛速度和搜索全局最优解的能力。通过实验表明,该算法的收敛速度较快,过程稳定,而且泛化能力也较好。故此方法在神经网络设计上能够发挥较好的作用。     

基于改进BP神经网络的室内无线定位方法

针对在室内无线定位中采用加权质心定位法时精度较低且难以克服信号不稳定的问题,提出改进的BP神经网络方法。以接收信号强度(RSSI)为输入、二维平面坐标为输出建立网络结构,网络的初始权值和阈值用思维进化算法优化,并用边长3 m的正方形区域内的196个样本数据训练。实验结果表明,在27个预测点上可达到定位精度0.1 m。相比于BP网络以及BP网络和遗传算法的结合算法,该定位方法训练收敛时间短,定位结果稳定。     

改进RBF神经网络用于降雨量预测

利用基于GA的改进RBF网络建立了为时间序列为对象的预测模型,并提出了基于模型的数据处理方法,在此基础上,对安徽省蚌埠地区42年来6－8月份的降水量进行预测,结果表明了该模型在时间序列预测中有良好的推广和应用能力。     

基于遗传BP网络的快速分类算法的构建

为获取能快速分类的智能算法,在分析BP算法原理与缺陷的基础上,首先对标准的BP算法进行了改进,然后利用已改进的BPX算法优化遗传算法选优过程,提出了GA＆BP混合算法,该算法兼顾了GA算法的全局收敛特性和BP算法快速的局部收敛能力,使算法既有较快的收敛速度又不易陷入局部解。仿真结果表明GA＆BP混合算法的收敛速度、误差精度等主要性能指标有明显改善。     

一种基于改进BP神经网络的PCA人脸识别算法

人脸识别作为模式识别领域的热点研究问题受到了广泛的关注。传统BP算法虽然具有自学习、自适应以及强大的非线性映射能力并且在人脸图像识别准确率上占有很大的优势,但算法具有收敛缓慢、训练过程振荡、易陷入局部极小点等缺点。针对传统BP算法的不足提出一种基于改进BP神经网络的PCA人脸识别算法,该算法采用PCA算法提取图像的主要特征,并结合一种新的权值调整方法改进BP算法进行图像分类识别。仿真实验表明,通过使用该算法对ORL人脸数据库的图像进行识别,其结果比传统算法具有更快的收敛速度和更高的识别率。