基于置信度分析和特征融合的车牌识别研究

利用车牌识别技术来管理车辆已成为现实,针对车牌识别时间长等提出了一种基于置信度分析的加速算法;同时为提高车牌识别精度,对BP网络进行了优化及改进;通过实际试验,识别率在90%以上,基本达到理想效果.     

基于动量BP神经网络的英文字符识别

英文字符识别已经广泛地应用于很多重要领域.已有的英文字符识别算法很多,一种典型的算法是BP神经网络算法.但是,BP神经网络算法有时不收敛,或陷入震荡.这就导致识别率下降.为此,本文研究了一种改进的称为动量BP神经网络算法用于英文字符识别.这种算法在BP神经网络算法的网络参数控制中添加一个动量系数和一个动量项.这样可以避免迭代的震荡,加快收敛速度.提高识别率.利用动量BP神经网络算法,对52个英文大小写字符进行了识别试验.实验结果表明,这种算法能获得满意的识别率.     

手写数字识别中组合式神经网络的构建方法

将聚类技术和遗传算法相结合, 提出一种基于相似度传播算法和遗传算法的神经网络集成方法应用于手写数字识别问题. 先分别利用主成分分析和Fisher线性判别分析对数据集进行特征提取, 得到两类特征数据集, 再利用Bagging方法分别为这两类特征数据集训练简单的BP神经网络, 然后采用相似度传播算法对这些BP神经网络进行聚类, 找到作为类簇中心的网络(中心网络), 最后利用遗传算法对所有中心网络的权值进行训练, 将中心网络进行加权线性集成作为最终分类器. 在标准手写数字数据集MNIST上进行测试的实验结果表明, 该方法的识别率优于单个神经网络的识别率, 并兼顾了分类效率.     

人工神经网络在数字识别中的应用

BP神经网络是最常用的一种人工神经网络。本文介绍了利用BP神经网络来实现离线手写体数字识别的基本方法,分析了传统BP算法的一些缺点,针对这些缺点指出了一些较新的改进算法。利用MATLAB验证了这些较新的算法。实验数据表明,改进的算法具有较高的识别率。     

基于人工神经网络的手写阿拉伯数字识别

本文讨论了人工神经网络在手写数字识别中的应用,针对手写体数字的结构特点,采用改进的BP学习算法进行识别.建立了基于神经网络的手写数字模式识别系统,并用Matlab仿真进行结果分析,该系统识别率为70%.     

基于遗传算法的非线性模式识别

文章设计了一种人工神经网络模型结构,以一种遗传算法进行该模型参数的组合优化建模,将其用于非线性模式识别.该方法不仅对线性问题有效,对非线性问题同样有效;该法简洁易行,优于多段线性分类器设计方法与BP误差回传网络算法.实例表明,遗传算法仅繁殖40代就能达到理想结果,其识别率达100%.     

基于改进关系网络的小样本学习

关系网络是一种端到端的小样本学习框架,可以通过少量标注样本识别新的类别.在关系网络的基础上,融合inception块和感受野块,提出了一种基于改进关系网络的小样本学习方法.用inception块替换嵌入模型的第3个卷积层,并且将感受野块添加在关系模型的起始位置,这两种卷积块分别提升了网络的特征表达能力和度量能力.在Omniglot数据集上,该算法的识别率整体高于关系网络,达到97%以上;在miniImagenet数据集上,采用5-way 1-shot和5-way 5-shot方法,算法识别率分别达到52.89%,67.15%.     

BP学习算法的改进与应用

目的　对BP学习算法中存在的大量局部极小点以及收敛速度慢问题进行研究并提出相应的改进方案。方法　采用类似模拟退火算法调整网络权值修改量η和动量项α以及对学习样本进行按类划分。结果　使用改进后的BP算法对480个学习样本进行学习,识别率从70%提高到95%,学习时间从4h下降到30min左右。结论　算法的改进提高了识别率并降低了学习时间。     

基于改进的Hausdorff距离的字符识别方法

为了提高字符识别的正确率和速度,本文提出了一种改进的Hausdorff距离的字符识别方法.实验结果表明,该方法在印刷体数字识别中达到100%的识别率,在字母识别中,除个别被噪声严重污染和结构特征极其接近的字母外也得到了正确的识别效果,且改进后的运算速度提高了一倍左右.     

基于改进神经网络的自动调制识别研究

自动调制识别技术可以用于排除通信系统中的非法用户及其干扰,是保证合法通信的关键措施之一.选取了几种典型的调制方式MFSK,MASK,BPSK,QPSK,OFDM,通过分析其时域特征,提取了反映调制类型显著差异的5个特征参数的新组合.为了克服标准BP算法收敛速度慢且存在多个局部最小点等缺陷,采用改进的弹性BP算法,从提高收敛速度和网络识别性能出发,构建了有效识别调制信号的弹性BP神经网络分类器.仿真结果表明,与基于决策理论的逐级判决调制识别方法相比,所设计的弹性BP神经网络分类器在SNR=0～20dB时对以上的调制方式均具有较高的识别率,即使在SNR=0 dB时也达到了95%以上的识别率.     

无线传感器网络中基于能量的簇首选择改进算法

针对LEACH分簇路由协议在选簇首时没有考虑节点能量而影响网络寿命的问题，提出了一种根据节点的剩余能量来调节节点生成随机数的大小，从而调整节点成为簇首概率的簇首选择算法，剩余能量越多的节点成为簇首的概率越大。仿真结果表明，此改进算法比LEACH算法能延长网络寿命10%以上,网络性能得到了提高。     

浅谈网络环境下高校图书馆过刊管理工作

过刊是高校教学和科研的重要情报,是一种重要的信息资源,是图书馆开展情报服务的物质基础。从网络环境下过刊的特点出发,对现代高校图书馆过刊管理工作提出了建议,以期为高校图书馆过刊的更好利用提供借鉴。     

基于人工神经网络的智能识别数字模型

人工识别阿拉伯数字既耗时又费力,提出了一种利用BP网络与竞争网络相结合的神经网络来识别阿拉伯数字的模型,仿真结果表明,该模型能够对数字进行准确、快速地识别,且抗噪能力较好.可以用于对部队番号、邮政编码、证件等进行识别.     

自适应函数链神经网络在非特定人语音识别中的应用

根据加权倒谱距离测度，构造了一种用于非特定人语音识别的函数链神经网络，并结合所提出的自适应函数链神经网络学习算法，不但大大缩短了网络的学习时间，而且使得该网络具有较高的识别率，采用10人（5男、5女）的语音数据对汉语10个数字进行了实验，正确识别率为94．2％．     

卷积神经网络的民国纸币序列号识别系统

实现了深度学习的民国纸币序列号自动识别系统.提取、分割民国纸币序列号字符,对单个字符进行预处理,裁剪字符空白区域,归一化字符大小,并使用卷积神经网络进行识别.实验结果表明:在纸币存在污迹、褶皱的情况下,所提民国纸币序列号识别系统能够减少人工录入的工作量,单个字符的识别精度高于99.99%.     

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%,模型参数大小减小到7.71 MB左右,模型平均推理时间缩短至12 ms左右。     

多种路由算法在车载Ad Hoc网络中的性能研究

车载自组织网络作为一种特殊的移动自组织网络,其路由算法的研究面临诸多挑战.现有的路由协议大多利用网络仿真软件进行仿真,而典型的仿真软件并不支持真实城市环境下的节点移动模型.利用MOVE构建真实城市模拟环境,导出网络仿真工具NS2支持的脚本,扩充网络仿真软件的节点移动模型.基于几种真实城市模拟环境,实现GPSR协议并利用NS2模拟仿真典型路由协议AODV,DSDV,GPSR.重点比较了不同包大小、车辆密度情况下,不同协议的包送达率、平均端到端延时、第一次收包时间等性能.结果表明,车辆密度对性能影响不大,GPSR协议更适合真实城市模拟环境.     

网络计算系统中的区间直觉模糊信任模型

随着网络计算系统的发展,网络系统的可信度成为制约其发展的关键。针对这一情况,提出一种网络计算系统的区间直觉模糊信任模型。首先,将信任评价的语义标签映射成区间直觉模糊数并对其进行量化,使得模型可以全面的描述语义标签的模糊性和完备性。其次,利用区间直觉模糊数及其精确函数进行信任值计算。最后,对模型算法进行试验仿真,结果表明该模型能有效、合理的对网络进行信任评价并具有一定的理论意义。     

服务承载网中基于最大流的服务器放置

针对在服务承载网中,传统的服务器放置方法会出现随着服务器个数的增加降低网络整体性能的问题,提出基于最大流效应的服务器放置算法。该算法不仅考虑到了流量因素,还将带宽、延迟、丢包率等网络节点性能因素简化为"距离因子"进行了考虑,解决了传统服务器放置引起的全局低效和网络拥堵问题,保证最大限度地满足用户的流量请求。经过实验验证,基于最大流效应的服务器放置算法相对于传统的服务器放置算法,在平均情况下,平均相应时间减低10%到25%,传输开销降低25%到50%,显著提高了网络性能。     

基于BP神经网络的图像识别研究

提出一种采用BP神经网络实现钢材编号文字识别的方法？先采用彩色图像HSI空间中S分量的特性，定位钢材区域，然后利用一系列图像处理技术，对图像中钢材编号区域定位、分割字符，最后采用BP神经网络进行字符识别。实践证明，采用BP神经网络，可有效地识别铜材编号，速度快、识别率高，具有较高的实用价值。