通过MLP网络结构进行手写数字识别的系统设计

数字识别是近年来发展起来的一项新科技,具有广泛的应用前景。该文主要利用MLP网络结构实现手写体数字的识别。首先,设计网络模型对识别精度进行测试。然后提取结构特征并输入网络模型验证其正确性。     

手写数字识别的系统设计

数字识别技术的研究不仅可以解决当下面临的数字识别问题,同时在图像识别,机器学习等方面也有铺垫作用。该文主要通过卷积神经网络(CNN)方法实现手写数字的识别。先设计网络模型,再用MNIST数据集训练,并测试网络模型的识别准确率,接着对手写数字进行图像的预处理,输入到模型中,验证正确程度。     

基于联想记忆的Hopfield神经网络的设计与实现

介绍了反馈型神经网络Hopfield网络的定义、原理、模型和基本学习规则,并构造了一个用于联想记忆的Hopfield神经网络模型.对实验结果进行分析、比较,实验结果表明:Hopfield神经网络用于数字识别是可行、有效的;该方法较传统神经网络能提高网络的记忆能力和数字识别的正确率;该方法有别于以往的BP神经网络的模式识别,结合一些优化算法,如遗传算法,能对Hopfield神经网络的联想记忆稳态进行优化,增强神经网络的联想记忆能力.     

基于改进卷积神经网络及SVM的手写数字识别方法

手写数字识别在数据的自动读取、银行支票识别、邮政编码自动识别等领域有重要的实际应用价值.为了提高手写数字识别的准确率,提出一种将卷积神经网络与批量归一化(BN)网络结合来提取手写数字图片特征、并用支持向量机(SVM)进行分类的手写数字识别方法.经实验验证,所提出的手写数字识别方法准确率达到99.6％,相比于Vgg-16、Xception等改进卷积网络的识别准确率有较大的提高.     

改进残差网络的字轮式数字表盘识别算法

针对识别字轮式表盘数字时,出现耗时长、双半字符识别率不高、模型参数过大等问题,提出了一种改进残差网络的字轮式数字表盘识别算法。首先,对采集的表盘原始图像进行预处理操作,得到包含完整字符图像和双半字符图像的数据集;其次,对ResNet-18网络进行优化改进,引入深度可分离卷积和Dropout函数;最后,加载数据集进行训练和测试。实际验证结果表明：改进后的残差网络模型识别准确率达99.8%,模型参数大小只有7.71MB,模型平均推理时间缩短至12ms左右。     

基于LVQ神经网络算法的脱机手写数字识别研究

针对BP神经网络进行脱机手写数字识别所存在的问题,提出用自组织竞争神经网络(LVQ)对脱机手写数字识别的方法.介绍了LVQ神经网络算法,并构建了LVQ神经网络的识别模型,用Matlab软件进行了仿真.将获得的仿真结果数据与BP神经网络的测试结果进行对比分析,发现LVQ神经网络对脱机手写数字的识别率明显高于BP神经网络,且收敛速度更快.该方法在脱机手写数字识别领域具有一定的可行性与指导性.     

多证据推理Hopfield神经网络在PIV数据后处理中的应用

在对人脑判别PIV错误矢量方式进行模拟的基础上,建立了错误矢量识别的多证据推理Hopfield神经网络模型,并通过数值试验对该网络模型的功能进行了验证.试验结果表明,该网络模型具有较强的识别能力,可以识别出所有的错误矢量.     

基于卷积神经网络的藏文手写数字和字母识别研究

在文字识别领域中,手写体识别比印刷体识别更具挑战性.藏文手写体识别已经成为重要的研究课题之一.本文提出了一种基于卷积神经网络LeNet-5模型的藏文手写数字和字母识别方法.分别采集藏文数字手写体样本和字母手写体样本17768和77636例,并对其进行预处理;然后按8∶2划分成训练集和测试集,并在CNN(LeNet-5)模型上进行训练.经过测试,数字和字母识别准确率分别达到98.81%和97.89%.     

一种基于混合区域分割的特征词袋模型识别算法

数字广告图像识别与数据分析在广告精准推送、收视行为分析、商业网络搜索等各大应用领域有着重要的应用。针对网络图片搜索的实际需求,结合图像特征提取识别技术,本文对数字媒体广告图像的识别和分类方法进行了研究。针对传统的基于空间金字塔匹配的视觉词典模型算法匹配条件较为苛刻、缺乏抗形变能力等局限性,在视觉词典模型算法的基础上,引入视觉特征词典特征点的空间位置信息,使用混合高斯模型实现了自适应的空间区域划分。实验结果表明,识别算法的抗形变能力和识别精度在标准库及本地广告库的测试中均能取得较好的测试结果。     

基于深度学习的框架结构损伤识别研究

卷积神经网络模型和长短期记忆网络模型是两种应用广泛的深度学习网络模型,为探究两种模型在结构损伤识别应用中的效果,采用两种网络模型对钢框架结构的损伤识别进行研究.以3层框架结构为例,选用削减单元自身动力特性后的模态应变能差作为损伤指标,分别输入到两种神经网络模型中,对梁柱单元的损伤程度识别和损伤位置识别进行分析.结果表明：两种网络模型均能很快掌握结构单元的动力特性,在学习了框架结构的模态特征后,均能够精准地识别出损伤单元的位置,同时能较为准确地预测出单元的损伤程度,验证了两种网络模型在以模态应变能差为指标的损伤识别中具有较好的适用性.对比两种网络模型的表现,发现卷积神经网络具有较高的训练效率和较好的泛化性能.     

基于神经网络的汽车牌照自动识别

介绍行驶车辆牌照自动识别系统基础上 ,对所获取的车辆正面车头图象 ,采用了多层次分割算法来定位车牌照 ,从图象背景中分离出牌照 ,再采用一种阴影掩膜技术对单个英文字母及阿拉伯数字进行编码 ,提取字符特征 ,并进而用BP网络进行识别。整个算法简单 ,识别率可达 96%。     

大角度透视变形集装箱图像箱号识别方法

针对存在大角度透视变形的集装箱图像,提出一种新的集装箱箱号识别方法.首先对图像进行透视变换校正,然后利用深度卷积神经网络模型定位并识别出集装箱图像中的26个大写英文字母和10个阿拉伯数字,最后利用集装箱箱号的先验知识,通过级联决策规则从候选字符集中识别出集装箱箱号.此方法应用于重庆港集装箱1 035张实景图像,箱号识别精度达97%,基于NVIDIA GeForce GTX1080图形处理器加速的箱号识别速度为每秒2～5帧.     

基于简约码特性树的字母和数字识别

针对由大写英文字母和阿拉伯数字组成的符号序列图像进行识别．字母和数字经细化处理，得到其骨架线，采用八方向链码及特定的编码跟踪规则形成由多条子链构成的唯一链码描述，提出了包含较少冗余信息、便于提取系列骨架线特征的简约码及简约码特征提取方法，并建立了对特征向量各分量酌情分开使用、形成分类特征树的策略，成功地解决了25个字母和10个数字的识别问题测试结果表明，该方法及算法的平均正确识别率为98％，优于商用软件的识别率．     

一种改进的CAVLC解码优化算法

对于基于上下文的自适应可变长编码（CAVLC）解码方案,提出一种快速解码方法,基本原则：分析非结构化码表的相关性,对码字进行多层次分级分组,采用前导0个数判断法,用简单的加法操作代替非常耗时的查表操作。基于以上基本原则进行算法各个方面的优化和改进,结果表明,降低了一定的存储空间,明显提高了解码速度。     

基于链码差的边界凸凹性判别

对边界凸凹性判别的多种算法进行了分析比较。从边界的链码描述出发,论述了绝对链码、相对链码、链码和、链码差等边界特征参数提取的算法。分析了用链码和曲线,了解边界性状的方法,提出了一种新的基于链码差的边界凸凹性判别算法。实践表明,该算法避免了叉积运算,有效地提高了判别速度,而且实现算法简单、稳定。最后对该算法可能的应用进行了展望。     

基于欧美压力容器规范的平封头角焊缝疲劳寿命研究

以大型有限元分析软件ANSYS为工具,对平封头结构进行弹性和弹-塑性分析。根据有限元分析结果,分别采用ASME VIII-2规范和EN 13445规范中的方法对平封头结构进行疲劳评定,得到了不同方法下平封头结构的许用循环次数。结合Hinnant等的压力容器平封头疲劳试验数据,对各种疲劳设计方法进行分析比较。结果表明,规范中的疲劳评定方法预测的寿命均小于试样的实际寿命,基于ASME VIII-2弹性分析法得出的疲劳寿命最接近实际值。     

一种新的空时码及其盲信道估计

本文提出了一种新的空时码——Hankel空时码。如果在多入多出(MIMO)通信系统中采用这种空时码,那么就能对MIMO系统的传输信道进行盲信道估计,也给出了相应的信道盲估计的算法。另外,相对于其它几种常用的空时码,所提出的空时码可以实现更高的传输速度。仿真结果表明在不同发射和接收天线个数、传输速率以及数据分组条件下,针对所提出的空时码的盲估计算法的性能。     

交通领域本体的构建及应用

目前, 虽然监控视频数据量迅速增加, 但是每年仍因交通违规行为造成大量的交通事故和人身伤亡. 海量监控视频的检索系统存在“找不到”和“难理解”的问题. 为了解决上述问题, 在交通领域中引入本体. 首先详细介绍视频语义内容模型, 并对模型中包含的对象、概念、事件、时间关系、空间关系等语义知识进行形式化描述; 然后以交通违规领域为例, 用软件protégé 4.2构建该领域的本体, 并用JCreator 编辑器导出交通违规领域本体的代码; 最后将该模型应用于南昌的有关项目中, 取得了良好的效果.     

q-元码的平均Hamming距离和方差

通过对q元n长码的平均Hamming距离和方差的研究,通过定义函数d(xi,yi),给出了q元n长码的平均Hamming距离和方差的下界。同时当码字数为2k-1(kN)时,其平均Hamming距离和方差能达到下界。     

从工程图中分离和识别字符模式的技术

提出了一种内、外边缘的快速检测方法分离工程图中的字符模式．该方法具有很高的可靠性，可分离手写或印刷体的英文、法文、德文、俄文、希腊字母、阿拉伯数字和汉字．对于字符识别，采用了Ｈｏｐｆｉｅｌｄ人工神经网络模型，并引入了“半优化”学习算法替代传统的Ｈｅｂｂ学习算法，获得了较好的效果．