BP网络学习算法改进及用于手写体数字识别

从误差函数入手对传统ＢＰ学习算法进行改进，实验表明此改进算法不仅提出了网络训练效率，而且改善了网络推广性能。     

BP网络学习算法改进及用于手写体数字识别

从误差函数入手对传统ＢＰ（Ｂａｃｋ－Ｐｒｏｐａｇａｔｉｏｎ）学习算法进行改进，实验表明此改进算法不仅提高了网络训练效率，而且改善了网络推广性能．     

印刷体数字识别研究与实现

通过对数字识别算法的研究和印刷体数字特征进行分析,提出一种通过统计预处理后的已知类别样本的特征点分布概率为模板,并通过计算待识别样本与模板距离来确定待识别样本所属类别的方法。该方法运行速度快,识别精度高,但只局限于对印刷体数字的识别。实验结果显示,该方法对印刷体数字的识别率可达99%左右,优于一般结构特征识别方法。     

多进制数字调制识别算法研究

数字调制方式的识别对于通信信号分析有着重要的作用.在Nandi和Azzouz提出的数字调制识别算法基础上,针对MASK、MFSK和MPSK 3大类多进制数字调制信号,提出了一种基于瞬时参量峰度的自动识别算法.仿真结果表明：当信噪比大于10 dB时,该算法具有良好的识别效果.     

基于神经网络方法的手写体数字识别

利用神经网络技术对无限制手写体数字进行识别。在选取合适的特征基础上，对图像进行分域处理，每一小域对应输入层的一个神经元。测试结果表明，该识别方案具有很强的抗畸变，抗旋转能力。     

二值图像目标邻域点法边界跟踪算法

分析了二值图像识别中常用的轮廓跟踪算法,并指出其缺点。在提出目标领域点概念的基础上,提供一种对二值图像中的对象物轮廓的智能跟踪法,并给出了具体算法步骤。实验结果表明该算法速度快、轮廓识别准确。为准确得到二值图像中的对象物提供了一种简捷的方法。     

脱机手写体汉字识别中的预处理算法研究

多年来,许多科技工作者都时汉字识别这一研究领域产生了极大的兴趣,并发表了大量的有关该研究领域的研究报告和文献,针对脱机手写体汉字识别的预处理工作,重点讨论了图像二值化和字符分割,提出图像二值化的改进算法和简单粘连字符分割的算法、经过实验,在预处理工作中得到了较满意的结果．     

手写体不规则数码脱机识别过程中的跟踪算法

目的 找出一种手写体数码识别的跟踪方法。方法 通过对手写体数码的特征分析，结合边沿元的概念，对书写轨迹进行扫描跟踪，提出跟踪算法，结果 找到了一种效果较好的边缘跟踪算法。结论 使用边沿元的概念，结合边缘跟踪算法，可以用较快的速度，取得较高的正识率。     

数字水准仪的测量算法概述

介绍了数字水准仪的三种测量算法（即相位法、几何位置法和相关法）及其应用，并对Dini12、NA3003及DL－101C三种数字水准仪的性能进行了比较。     

基于遗传神经网络的手写体数字识别算法的探讨

针对神经网络BP算法在学习过程中的一些缺点,提出一种基于遗传算法与神经网络的手写数字识别新算法,将遗传算法与BP算法有机结合起来.文中给出了算法模型,并将此算法应用于手写体数字的识别中,实验结果证明它比单一BP算法有更佳的结果.     

结构特征分类在手写数字识别中的应用

针对单纯使用多层BP网络训练学习的方法来识别数字存在不少不足之处的情况,提出了一种将BP网络与数字的结构特征相结合的方法,以提高网络的识别能力.通过实例证明,采用该方法对数字的识别精度有一定的提高.     

基于主元分析法的手写数字识别

特征提取是手写体数字识别研究中的重要问题。有效特征是提高识别率和识别精度的关键。作者使用的主元分析法能压缩特征的维数 ,满足特征提取的完备性原则和正交性原则 ,提高分类器性能。将经过主元分析法压缩后的特征用BP神经网络进行识别仿真 ,取得了较好的实验效果     

基于分数本征特征的手写数字识别

特征提取是手写体数字识别研究中的重要问题,有效、稳定的特征是提高识别率和识别精度的关键。该文提出了一种基于分数本征特征和核非线性分类器的手写数字识别方法,首先找到时频平面的一个轴进行分数傅里叶变换,使不同类别样本在这个轴上最大限度地分开,然后用主元分析进行降维,得到比较稳健的低维特征,再将常用分类器用于特征分类,实现对手写数字的识别。对实际数据进行实验,结果表明上述本征特征与核非线性分类器相结合有较高的识别率和训练、分类效率。     

用神经元网络识别手写数字的研究

利用人工神经元法,研究了手写阿拉伯数字0~9的识别方法,分析和讨论了进一步的优化策略,计算机模拟实验的结果表明了研究的有效性。     

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。     

一种改进的BP算法及其在模式识别中的应用

针对前馈神经网络中传统BP算法的局限性，给出了一种改进的BP算法，选取了一种新的误差函数，并对其参数进行了动态自适应调整．通过比较，改进的BP算法收敛特性明显优于传统的BP算法．实践证明，将上述算法应用于对工业零件的识别当中，可有效提高识别速度和识别正确率约17％．     

基于局部特征的图像模式识别算法研究

本文对基于局部特征的图像模式识别的SIFT/SURF算法进行了详细描述及分析,对比两种算法的不同特点,即运算速度、收敛性、抗噪性等,并对两种算法进行了实验.实验结果对于算法改进具有显著的借鉴意义.     

一种高效的汽车牌照自动识别系统预处理算法

提出一种高效的汽车牌照自动识别系统预处理方法.采用文中提出的图象分析法对汽车牌照进行定位,利用Soble边缘检测法和大津展之的二值化方法处理图象,最后送入字符识别系统进行识别.实验结果表明,该方法具有快速准确的特点,明显提高了系统的识别率.     

基于图像边缘检测的图像识别算法

在图像识别问题中,基于Haar特征的图像识别算法已经十分普遍,并且得到了广泛的应用。但是,目前此类算法还存在有时间复杂度高、对图像亮度、尺寸变化敏感、图像识别精度差等缺点。为了提高图像识别的精度,提出了一种新的边缘检测图像识别算法。这种算法首先使用Canny算子将图像的边缘像素识别出来,然后计算每一个有效像素的梯度。通过得到的像素梯度序列建立归一化直方图,对归一化直方图分析后得到最优识别。基于边缘检测的图像识别算法使匹配图像效率得到了提高,图像识别流程得到优化。