毕业论文-开题报告-文献综述：基于BP神经网络的数字字母识别系统设计——系统的MATLAB实现.Doc

1、本科毕业论文系列开题报告电气工程及其自动化基于 BP 神经网络的数字字母识别系统设计识别系统的 MATLAB实现一、课题研究意义及现状字符是人类信息交流的主要载体之一。随着人类进入信息社会，信息化的步伐进一步加快，全球信息化、国家信息化、城市信息化、产业信息化、企业信息化已是大势所趋，势在必行。人们在生活工作中对字符输入方式的需求日益扩大；同时，行业信息化工程的启动，使得已有的输入方式根本无法满足信息化发展的实际需求。OCR（Optical Character Recognition）识别（即通过光学技术对字符进行识别） 、手写识别、语音识别是目前非键盘输入的三大主导技术。目前，手写体字符识别

2、是一个非常重要和活跃的研究领域，它涉及到模式识别、图像处理、人工智能、模糊数学、信息论、计算机等学科，是一门综合性技术，有广阔的应用背景与巨大的市场需求。因此，对字符识别的研究具有理论与应用的双重意义。人工神经网络理论已成为涉及神经生理科学、认知科学、数理科学、心理学、信息科学、计算机科学、微电子学、光学、生物电子学等多学科交叉、综合的前沿学科。神经网络的应用已渗透到模式识别、图像处理、非线性优化、语音处理、自然语言理解、自动目标识别、机器人、专家系统等各个领域，并取得了令人瞩目的成果。将神经网络与模式识别技术相结合，利用神经网络具有的良好的容错能力、分类能力强、并行处理和自学习能力等优点，提

3、出行之有效的手写体字符识别的方法。手写字识别系统的实现目前有用 C+语言编程实现的，也有用其他编程语言实现的。本课题就是利用 BP 神经网络的工作原理，在对 0、1、2、3、4、5、6、7、8、9 十个数字的图像提取特征向量作为神经网络识别输入向量的基础上，在建立了对0、1、2、3、4、5、6、7、8、9 十个数字进行识别的 BP 神经网络拓扑结构的基础上，利用 MTALAB 中的神经网络工具箱编制程序，把 BP 神经网络的拓扑结构转变成为程序模型，并利用该程序识别带有噪声的数字字母。该程序系统在手写体数字字符识别中能对大量信息进行快速准确处理,并达到良好的识别效果。二、课题研究的主要内容和预

4、期目标1、研究 BP 神经网络的原理、方法在手写字符识别领域的应用；2、研究基于 BP 神经网络的数字字母识别系统的网络拓扑结构；3、 研究数字字母作为网络输入样本的表达方式；4、研究如何利用 MATLAB 中神经网络的工具箱编制程序，把数字识别系统的 BP 神经网络结构模型变为程序模型；通过本课题的研究，预期成果为：完成 8000 字的程序设计说明书。三、课题研究的方法及措施1、了解 BP 神经网络的工作原理和方法；2、了解 MATLAB 语言程序编程的基本方法和神经网络工具箱；3、了解基于 BP 神经网络的数字字母识别系统的设计思想，弄懂基于 BP 神经网络的数字字母识别系统的网络拓扑结构

5、和数字字母的表达方式；4、研究如何利用 MATLAB 中神经网络的工具箱编制程序，把数字识别系统的 BP 神经网络结构模型变为程序模型：（1）绘制 BP 算法流程图；（2 ）网络初始化设计。包括输入向量矩阵的子函数设计；神经网络神经元隐层数赋值；网络输入向量个数赋值；网络权值初始化等。（3 ）网络训练设计。包括无噪声训练；有噪声训练；再次无噪声训练；系统性能设计；网络测试等。四、课题研究进度计划1、2010.10.102010.11.10，收集并阅读与BP神经系统有关的中外参考文献和参考书籍；2、2010.11.102011.12.10，完成外文文献翻译、文献综述和开题报告的撰写；3、2010

6、.12.102011.01.21，熟悉BP神经系统的基本原理，熟悉BP神经网络数字识别系统的原理跟方法；4、2010.01.212011.02.22，利用MATLAB语言对数字识别系统进行程序设计，网络测试并撰写论文初稿5、2011.02.222011.04.10，进一步修改完善信息管理系统和论文。五、参考文献1党建武.神经网络技术及应用M.北京: 中国铁道出版, 2000，7.2Simon Haykin. Neural networks a comprehensive foundationM2nd ed.北京: 清华大学出版, 2001,10.3张德丰.MATLAB 神经网络应用设计M.北京

7、：机械工业出版社，2009，1.4楼顺天，施阳.基于 MATLAB 的系统分析与设计-神经网络M .西安：西安电子科技大学出版社，1998,9.5闻新，周露，王丹力，熊晓英.MATLAB 神经网络应用设计M .北京：科学出版社，2000,9.6张宝伟，闻新，李翔，周露.MATLAB 神经网络仿真与应用M.北京：科学出版社，2003,7.7甘俊英，张有为.基于 BP 神经网络的人脸识别J.系统工程与电子技术，2003,25（1）.8周忠海，张奚宁，张涛，泮利.BP 神经网络及其在图像压缩中的应用J.中国水运（理论版） ，2006,4（6）.9郭荣艳，胡雪惠. BP 神经网络在车牌字符识别中的应用

8、研究J.计算机仿真，2010,9， （9）.10冯必波.BP 神经网络在教学质量评价体系中的应用J.计算机与数字工程,2010,1，38（4）.11林康红,施惠昌,卢强. 基于神经网络的传感器非线性误差校正J.传感器技术2002,21(1).毕业论文文献综述电气工程及自动化BP 神经网络的发展与应用摘要：介绍了人工神经网络领域中 BP 神经网络的特点以及在实际中的应用。目前人工神经网络的实际应用中，绝大部分的神经网络模型采用 BP 网络和它的变化形式，主要包括模式识别、分类、数据压缩等方面的应用。并简单介绍 BP 神经网络存在的缺陷及发展前景。关键词：BP 神经网络；应用什么是 BP 神经网络

9、BP（Back Propagation）网络是 1986 年由 Rumelhart 和 McCelland 为首的科学家小组提出，是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。 1BP 网络能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。它的学习规则是使用最速下降法，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小 BP 神经网络模型拓扑结构包括输入层（input） 、隐层(hide layer)和输出层(output layer)。 2BP 算法的基本思想是,学习过程由信号的正向传播与误差的反向传播两个过程组成

10、。正向传播时,输入样本从输入层传入,经各隐层逐层处理后,传向输出层。若输出层的实际输出与期望的输出(教师信号) 不符,则转入误差的反向传播阶段。误差反传是将输出误差以某种形式通过隐层向输入层逐层反传,并将误差分摊给各层的所有单元,从而获得各层单元的误差信号,此误差信号作为修正各单元权值的依据。这种信号正向传播与误差反向传播的各层权值调整过程,是周而复始地进行的。权值不断调整的过程,也就是网络学习训练过程。此过程一直进行到网络输出的误差减少到可接受的程度,或进行到预先设定的学习次数为止。3BP 神经网络的局限及改进虽然 BP 网络得到了广泛的应用，但自身也存在一些缺陷和不足，主要包括以下几个方面

11、的问题： （1）收敛速度慢（2）局部极值（3）难以确定隐层和隐节点的个数在实际应用中，BP 算法很难胜任，因此出现了很多改进算法。BP 算法的改进主要有两种途径：一种是采用启发式学习方法，另一种则是采用更有效的优化算法。 4动量法降低了网络对误差曲面局部细节的敏感性，有效地抑制网络陷于局部极小；自适应调整学习率有利于缩短学习时间。 5BP 神经网络的实际应用作为一种重要的神经网络模型，BP 神经网络在许多领域都得到了应用。主要用于：（1） 函数逼近：用于输入向量和相应的输出向量训练一个网络逼近一个函数。（2） 模式识别：用一个特定的输出向量将它与输入向量联系起来。（3） 分类：把输入向量以所定

12、义的合适方式进行分类。（4） 数据压缩：减少输出向量维数以便于传输或存储。 6人脸识别将 BP 网络用于人脸识别,建立了人脸识别模型,通过对输入图像实行图像压缩、图像抽样及输入矢量标准化等图像预处理,将标准化矢量输入 BP 神经网络进行训练。BP 网络用于人脸识别时,网络的每一个输入节点对应样本的一个特征,而输出节点数等于类别数,一个输 出节点对应一个类。在训练阶段,如果输入训练样本的类别标点是 i ,则训练时的期望输出假设第 i 个节点为 1 ,而其余输出节点均为 0 。在识别阶段,当一个未知类别样本作用到输入端时,考察各输出节点对应的输出,并将这个样本类别判定为具有最大值的输出节点对应的类

13、别。如果有最大值的输出节点与其它节点之间的距离较小(小于某个阈值) ,则作出拒绝判断。经过竞争选择,从而获得识别结果。 7图像压缩BP 神经网络是可以直接用于图像压缩的一种网络模型。对于含有 nn 个像素数据的图像，BP 网络的输入层与输出层的神经元数目都应为 n*n 个,而隐含层的神经元数目比输入输出层含有的神经元数目少得多。通过设计隐含层的神经元的数目可以实现不同的压缩的目的。输入层到隐含层之间就相当于编码器，对信号进行线性或非线性变换；隐含层到输出层 之间相当于解码器，对经过压缩后的系数进行线性或非线性反变换，从而恢复原始图像数据。 压缩率=网络输入节点数/隐含层节点数。 8车牌字符识别

14、首先对车牌图像进行预处理, 包括彩色图像转换为灰度图像、平滑去噪, 然后用Gabor 从训练样本集中提取所有特征, 并利用 PCA 进行降维处理, 得到神经网络的输入。神经网络采用 3 层结构: 选择提取的特征作为网络的输入, 网络的输出有 10 个, 分别对应0 9 十个数字。隐层取了 24 个神经元。从而进行识别。 9教学评价系统教学质量评价指标是一个由若干不同参数组合而成的指标体系, 数目多, 内容复杂难以精确化, 带有明显的模糊性 , 想借助常用的评价方法来解决这一评价问题就存在许多局限性。而利用 BP 神经网络只须将处理过的数据输入到网络中, 通过计算即可产生结果, 不须人为地确定权

15、重, 确实减少评价过程中的人为因素, 提高评价的可靠性, 使评价结果更有效、更客观。 10故障诊断对于故障诊断而言,其核心技术是故障模式识别。而人工神经网络由于其本身信息处理特点,如并行性、自学习、自组织性、联想记忆等,使得能够出色地解决那些传统模式识别难以圆满解决的问题,所以故障诊断是人工神经网络的重要应用领域之一,已有不少应用系统的报道。总的说来,神经网络在诊断领域的应用研究主要集中在两个方面:一是从模式识别的角度应用作为分类器进行故障诊断,其基本思想是:以故障征兆作为人工神经网络的输入,诊断结果作为输出;二是将神经网络与其他诊断方法相结合而形成的混合诊断方法。对用解析方法难以建立系统模型

16、的诊断对象,人工神经网络有着很好的研究和应用前景 11总结BP 神经网络是一门新兴的学科，它在理论、模型、算法、应用和实现等方面都还有很多空白需要去探索，开发。参考文献1党建武.神经网络技术及应用M.北京: 中国铁道出版, 2000，7.2Simon Haykin. Neural networks a comprehensive foundationM2nd ed.北京: 清华大学出版, 2001,10.3张德丰.MATLAB 神经网络应用设计M.北京：机械工业出版社，2009，1.4楼顺天，施阳.基于 MATLAB 的系统分析与设计-神经网络M .西安：西安电子科技大学出版社，1998,9.

17、5闻新，周露，王丹力，熊晓英.MATLAB 神经网络应用设计M .北京：科学出版社，2000,9.6张宝伟，闻新，李翔，周露.MATLAB 神经网络仿真与应用M.北京：科学出版社，2003,7.7甘俊英，张有为.基于 BP 神经网络的人脸识别J.系统工程与电子技术，2003,25（1）.8周忠海，张奚宁，张涛，泮利.BP 神经网络及其在图像压缩中的应用J.中国水运（理论版） ，2006,4（6）.9郭荣艳，胡雪惠. BP 神经网络在车牌字符识别中的应用研究J.计算机仿真，2010,9， （9）.10冯必波.BP 神经网络在教学质量评价体系中的应用J.计算机与数字工程,2010,1，38（4）.

18、11林康红,施惠昌,卢强. 基于神经网络的传感器非线性误差校正J.传感器技术2002,21(1).毕业设计（20_ _届）基于 BP 神经网络的数字字母识别系统设计系统的MATLAB 实现摘 要本课题利用 MATLAB 将应用于数字识别的 BP 神经网络结构程序化，并进行仿真实验，考察网络结构对系统实时性、识别效果的影响以及初始权值对收敛速度的影响, 选取最佳的隐层节点数和权值初始化函数 , 实现了基于 BP 神经网络的数字识别系统。实验结果表明该系统能够实现对数字的有效识别关键词： 数字识别，BP 神经网络，MATLAB 仿真AbstractIn this paper，MATLAB is u

19、sed to program the BP neural network structure which is applied to digit recognition and conduct simulation experiment. For fulfilling the real time and veracity demands of digit recognition，the structure of neural networks is researched. The influence of initial weights on convergent speed is also

20、considered. Select the best hidden layer node number and weight initialization function, realized the digit recognition system based on BP neural network. Experimental results demonstrate that the system works well in digit recognition.Key Words: digit recognition，BP neural network，MATLAB simulation