基于神经网络的手写电气元件符号识别系统

神经网络模式识别在现代数字图像处理中的应用,是数字图像处理技术的一次革命,以神经网络模式识别技术在电气元件符号图形识别中的应用为对象,着重于手写电气元件符号自动识别系统的研究,介绍了整个系统的结构和功能,给出了相应的数据流图和主要数据结构,提出了一种基于神经网络的模式识别方法,并对系统的实际应用作了验证,为进一步的研究奠定了基础。     

手写电气元件符号的识别算法

特征抽取是图形识别的关键，采用模板匹配方式搜寻特征点，抽取特征信息，进而得到可识别的图形信息，并提出了一种基于神经网络的电气元件符号识别算法。实验结果表明，这种思路是可行及有效的。     

基于BP神经网络的手写数字识别系统

提出了利用BP神经网络方法来实现手写数字识别系统的方案。手写数字图像通过颅处理后,在特征提取方面采用两种适应性较强的特征提取方法,即18点特征提取方法和手写数字笔画特征提取法．不但减少了提取时间。而且提高了手写数字图像的识别率。利用Visual C＋＋编写手写数字识别系统,得到了较好的识别结果。     

带有手写干扰的印刷体数字识别

首先提出黑白特征分离（即黑白特征局部和整体分离提取特征的思想）和一种ＢＰ神经网络的快速收敛算法及训练策略,并在此基础上构造了５种独立的识别模块．应用加权表决方法设计了识别带有手写干扰的印刷体数字及一些特殊字符的综合方法,取得了理想的效果．     

基于BP神经网络的脱机手写混排字符集的识别方法

脱机手写字符自动识别是计算机光学字符识别(OCR)领域的一个活跃课题,有着十分广泛的应用前景.文中提出了基于BP神经网络的脱机手写中英文和数字混合字符集的识别方法,给出一种特征提取方法,通过实验说明如何选取网络隐含层神经元个数,以及如何选取网络连接权值的初值.对由不同人手写的中英文字符的混合字符集做识别实验,结果表明文中所设计的神经网络分类器,不仅能保证识别精度和识别速度,而且能有效的识别混合字符集.     

神经网络与污损的手写印刷体字符的识别

通过比较各种模式识别方法的特点,确定了用神经网络方法识别污损的手写印刷体字符的可行性和必要性,介绍了神经网络摸式识别系统,讨论了用神经网络方法对污损的手写印刷体字符的识别,最后给出实验结果     

基于知识的无约束手写数字识别系统

研究一种基于知识的无约束手写数字识别系统．系统运用专家系统的知识表示、知识推理等方法，通过未知样本与知识库模糊匹配，得到识别结果．系统对随意书写的５０００个样本进行识别，得到较好的结果     

一种基于神经网络的车牌定位方法

针对过去车牌定位难的问题,提出了一种基于神经网络的车牌定位方法,算法通过神经网络训练、图像预处理以及用训练好的网络进行车牌的定位,依照上述算法对编制的软件检验,从测试的 600 幅 320×240(像素×像素)汽车图像,正确率达到了 95.1%,每幅图像的运行时间小于 2s,基本上达到了实时处理的要求。     

基于神经网络的字母识别系统的设计与实现

基于神经网络,采用Matlab 6.5和Visual C,设计一个字母识别系统.该系统通过对BMP图片的二值化处理,在VC环境下调用Matlab,并将把二值化后的数据进行网络训练,从而实现26个英文字母的识别.系统性能的测试表明,系统所训练的神经网络有很好的抗干扰能力.     

手写签名的概率神经网络识判模型

针对手写签名的随机性和信息的不完备性，提出了将Ｂａｙｅｓ网络与前馈神经网络相结合的概率神经网络模型，论述了建模的理论基础，模型结构，训练算法及其简化算法，概率神经网络可计算待测签名样本为真（或伪）签名的最大可能性，进而确定其所属类别。     

基于LVQ神经网络的医学图像识别研究

以医学肝脏CT图为研究对象,设计了一种基于LVQ神经网络的医学图像识别方法。基本思想是首先确定图像ROI区域,并作灰度映射变换。接着提取其颜色、纹理和形状特征构成表征医学图像的特征矢量,最后将特征归一化后利用LVQ神经网络进行识别。通过与其他典型神经网络识别方法的实验比较,结果表明,设计的方法能取得更为理想的识别效果。     

基于人工神经网络的手写体数字识别

基于手写体数字的几何结构提取端点及其方向、凸点及其方向、三叉点数和四叉点数等数字特征值，运用单字单网的12个并行BP神经网络进行数字识别，把同一个数字特征值差别很大的字体当不同的类别来处理，最后能达到很好的识别效果。     

基于模板自适应细胞神经网络的图像处理及识别

本文介绍了一种适合于并行计算机的模型——细胞神经网络,它是神经网络的一种特殊形式,具有神经网络的识别、智能和联想能力．具体介绍了利用细胞神经网络（ＣＮＮ）实现二值图像和灰度图像边缘检测,详细分析了ＣＮＮ设计过程并作改进,引入了模板权值自适应的ＣＮＮ及其设计方法,并给出了仿真结果．     

基于神经网络的机动车号牌字符识别

以定位、 分割后的机动车号牌字符为研究对象. 首先, 对机动车号牌图像进行大小、 灰度方差、 灰度均值的标准化处理. 其次, 根据机动车号 牌字符的特点, 抽取字符3种不同的特征, 构造3个BP神经网络对机动车号牌字符进行识别. 并根据字符在机动车号牌中所处位置的差异, 在每个BP神经网络中构造4种不同的子网络分 别进行训练和识别. 最后, 每个BP神经网络的输出通过加权求和的组合方式得到最终识别结 果. 在组合各网络输出前, 采用对字符图像求取局部二阶差分值的方法, 将字形相近的字符 进行再分类, 从而有效地降低误识率. 通过分析实验结果, 表明本算法在机动车号牌识 别应用中达到了理想的识别效果.     

用于介形类化石识别及岩芯分析的人工神经网络方法

介绍了在石油勘探中用于识别介形类化石及分析岩芯图象的人工神经元网络方法。讨论了以Hopfield网络为基本模型的加深联想记忆神经网络及加速的反向传播模型(Back-Propagation Model),将其应用于介形类化石的识别获得了很好的效果,并成功地实现了岩芯中的空隙分析。     

一种新型前向神经网络用于汉语四声识别

提出了一种新型的前向神经网络，并研究了其在语音识别中的应用。该神经网络为只含一层非线性隐层的前向神经网络，以线性的输出层代替一般ＢＰ网络的非线性输出层，可以更准确地，范围更大地完成非线性函数估值功能。该神经网络采用了包括反向传播算法及最小均方算法的混合算法进行训练，可以减少落入局部最小点的概率以及提高收敛速度。     

基于神经网络的纹理识别技术

作者通过一个实例叙述了图像识别技术中用神经网络进行纹理识别的基本思路，处理过程，以及具体实现，并对处理的结果进行分析，说明了运用神经网络作为分类器的准确性。     

基于模糊神经网络的煤矸石模式识别方法研究

提出了一种基于标准模型模糊神经网络的煤矸石识别方法．介绍了该方法的数学模型、网络结构及学习算法,并通过一个仿真实验对如何应用这种方法构建实时分选系统作了详细描述．实验结果表明该方法所用神经网络不仅收敛,而且具有良好的泛化能力     

地物波谱组合识别的神经网络模型

遥感探测是一个多参数、高混合度的综合识别问题。利用BP神经网络的全局训练特性，直接利用教师信号来训练，建立了一个多组合的地物识别模型。实例验证了这种组合识别模型具有简单性、实用性和准确分辨等特点。