1、 四川理工学院毕业论文基于神经网络的中药材分类学 生：甄坤学 号：09071030231专 业：信息与计算科学班 级：20092指导教师：刘长江四川理工学院理学院二一三年六月- 2 -四 川 理 工 学 院毕业设计（论文）任务书设计（论文）题目： 基于神经网络的中药材分类 学院： 理学院 专业：信息与计算科学 班级： 20092 学号： 09071030231学生： 甄坤 指导教师：刘长江 接受任务时间 2013 年 3 月 10 日 教研室主任 （签名） 二级学院院长 （签名）1毕业设计（论文）的主要内容及基本要求主要内容：（1）首先要考虑一些中药材的形状特征。（2）并且利用网络神经元的知识
2、建立模型（3）选取指定药材建立起一个神经元特征向量（4）了解这个课题的解题思虑并且提出自己的看法2指定查阅的主要参考文献及说明1田丽.基于小波神经网络的语音识别的研究,大庆石油学院,2005,03.2王波,李永健.基于人脑思维方式的 BP 神经网络分类模型 ,科技资讯,2007,12.3王明敏,周兆敏,张侃瑜.基于模板自适应细胞神经网络的图像处理及识别.上海大学学报(自然科学版) .1998,4(2).4李荣花,基于粗集理论的神经网络研究与应用,大庆石油学院,2003,02.3进度安排设计论文各阶段名称 起 止 日 期1 确定题目，接受任务 2013 年 2 月 28 日2013 年 3 月1
3、2 日2 查阅文献，撰写文献综述和开 题报告 2013 年 3 月 13 日2013 年 3 月31 日3 完成论文初稿 2013 年 4 月 1 日2013 年 4 月30 日4 完成论文修改稿 2013 年 5 月 1 日2013 年 5 月25 日5 完成论文定稿 2013 年 5 月 26 日2013 年 6 月 9 日6 论文答辩 2013 年 6 月 10 日2013 年 6 月18 日注：本表在学生接受任务时下达- 4 -摘 要在当今的社会，神经网络的应用越来越广泛，随着技术的发展，神经网络也得到了很大的提高，并被应用到各个领域中。本文主要阐述在中药材分类中的应用。基于神经网络的
4、中药材分类中，包含两个主要环节：第一是网络训练过程，经过药材区域自动检测，提取药材的特征，作为网络的输入，以专业药工的分类作为网络预期输出，训练得到网络的参数，固化下来，作为分类时神经网络的参数.第二是分类过程，提取药材的特征与网络训练过程中相同，不同之处在于，直接将药材特征作为神经网络的输入，经过网络仿真过程，得到药材的分类。关键词：神经网络；中药材分类；BP算法ABSTRACTKey words: - 6 -目 录毕业设计（论文）任务书 .1第一章 前 言 .11.1 神经网络的发展概况 .11.1.1 神经网络的发展历史 .11.2 发展历史 .41.2.1 神经网络算法具有特点 .41
5、.3 课题的研究现状 .5第二章 神经网络的基础知识 .62.1 引言 .62.2 神经网络的特点 .62.3 神经元模型 .72.3.1 MP 模型 .72.3.2 一般神经元模型 .82.4 网络结构 .112.4.1 单层前馈网络 .112.4.2 多层前馈网络 .112.5 学习算法 .122.5.1 误差修正学习 .122.5.2 BP 网络结构 .142.6 训练 .15第三章 基于神经网络的中药材分类 .173.1 药材特征的提取 .173.2 BP 算法 .183.2.1 BP 算法的步骤 .183.2.2 基于 BP 算法的中药材分类 .19第四章 实验结果及分析 .204.
6、1 结论与分析 .204.2 总结 .21参考文献 .23附 录 .26文献综述 .28四川理工学院毕业论文- 1 -第一章 前 言神经网络系统的研究的重要意义已经很多的科学家承认,它是智能科学发展的一个主流方向之一。20 世纪 80 年代以来，神经网络的重要性重新引起了很多科学工作者的兴趣，神经网络在发展的过程中捉奸的有了很大的发展。特别是在新近 20 年神经网络经历了的迅速发展，神经网络所具有的独特的知识，使它在许多方面的应用领域得到了显著的进步与发展，神经网络能够为解决一些传统计算机的传统方法难于求出答案的问题提供一个满意的解，或者是为了寻求满意的答案提供了一个全新的解决思路。本章阐述了
7、神经网络的发展历史和近些年来的发展概况。1.1 神经网络的发展概况1.1.1 神经网络的发展历史神经网络的发展过并不总是一帆风顺的。神经网络大致的经历了以下几个发展阶段。 初始发展期1943 年，W.McCulloch 和 W.Pitts 提出了 MP 模型，进 而 提 出 神 经 元 最 基 本 的 工 作 方 式。1949 年，神经生物学家 D.Hebb 发现，脑细胞与脑细胞之间的通路在参与有些活动的时侯将被加强。这个重要的规则呈现出了生理学与心理学之间的关系，所以被称为 Hebb 学习规则。该规则至今还被很多神经网络学习的算法所应用。1957 年，F.Rosenbla 提出了叫做感知器的
8、模型，这是由线性阈值神经元组成的一个前馈神经网络，可用于分类鉴别。1960 年，B.Widrow 和 M.Hoff 提出了一种叫做自适应线性单元，这是一种可以连续取值的神经网络，可被用于适应系统。 低潮时期1969 年，人工智能系统的创始人 M.Minsky 和 S.Papert 发表了感知器(Perceptrons ) 6一书。在该书中，他们指出：单层的 Perceptron11只能作一些线性的划分，而且多层的 Perceptron 是不能给出一种学习算法，因而毫无实用价值。但是由于 Minsky 和 Papert 在人工智能研究领域的地位，该书在人工神经网络研究人员之间还是产生了极大的反响
9、，而神经网络研究因此也陷入低潮。第一章 前言- 2 -但是，即使是在神经网络研究工作的低潮的这一时期，也有不少人人仍在不知疲倦的投入到研究神经网络工作中去，并得到了很多重要成果。这其中最著名的就是1982 年由加州理工大学教授 H.Hopfield 所提出得一种叫做 Hopfield 神经网络(HNN) 12。在这个用运算放大器来搭建的反馈神经网络系统中，同时 Hopfield 借用 Lyapunov 能量函数原理，给出了网络的稳定性判断依据，并为著名的优化问题旅行商问题(TSP)5提供了一个全新的解决方案。Hopfield 网络也可以用于联想存储、优化计算领域。 高潮时期1985 年，Rum
10、elhart 等人提出了多层感知器权值训练的误差反向传播学习的算法(BP 算法 )，近而解决了 Minsky 认为不可能解决的多层感知器的问题。至因此引导了神经网络的复兴，神经网络的研究因而也进入了一个全新的发展阶段。近年来,越来越多的人投入到了神经网络研究之中,并且取得了重大的进展,研究并开发出了数十种关于神经网络问题的模型,出现了包括小波神经网络、模糊神经网络、进化神经网络、等新型神经网络结构。人工神经网络具备有自己组织、自己学习、联想存储功能和快速寻找优化解决问题的能力，在模式识别、信号处理、通信等领域具有更加广泛的应用。于此同时，在实际应用中更加的促进了神经网络的快速发展。1.1.2
11、神经网络的发展近年来,人工神经网络研究非常的活跃,并且取得了很大的进展,研究并开发出了十几种关于神经网络的模型,提出了包括小波神经网络、模糊神经网络、进化神经网络。小波分析 (wavelet Analysis)14 是 20 世纪 80 年代中期以后逐渐发展起来的一门关于数学理论和方法 ,它是由法国科学家 Grossman 和 Morlet 在进行对地震信号的分析的时侯提出来的 , 随后经过迅速发展。在 1985 年 Meyer 在一维的情况下证明了小波函数的存在 , 并且对其理论做了深入的研究。应用了 Mallat 基于多分辨的分析思想 , 提出了对小波的应用能起到重要作用的 Mallat
12、算法 , 它在小波分析中有着很深的地位其地位地位相当于 FFT 在经典 Fourier 中的地位。同时小波分析理论的重要性也引起了科技界的重视。同时小波分析的出现也被认为是对傅立叶研究分析的重大突破 ,在逼近论、微分方程、模识识别、等方面使用小波分析也得到了很多突破性的进展。其基本出发点是用小波元代替已有神经元，并通过仿射变换建立起了小波变换与网络系数之间的连接，并且关于逼近 中的函数 。同时小波神经网络也)(nRL)(xf结合了小波变换时的频局域化的性质和传统神经网络的自我学习的能力，因而具有如下特点：小波基元及网络具有可靠的理论根据，同时也避免了出现 BP 网络结构的盲目四川理工学院毕业论
13、文- 3 -性；网络权系数和学习目标函数的凸性，使其他网络从根本上就避免了局部最优等非线性化；而且还具有较强的函数学习能力以及推广能力。小波神经网络所具有适应分辨性和很好的容错能力，因而特别适合在函数逼近、数据压缩等领域。模糊神经网络的开拓者是美国南加利福尼亚大学 B.kosko 教授。1987 年，B.kosko把模糊数学和神经网络结合起来，进而提出了模糊神经网络概念。在这之后的几年里，模糊神经网络的理论和应用得到了很快的发展。各种全新的模糊神经网络模型的提出和与其相对的相应的学习的研究，同时也加快了其理论的完善，在实际中也到了更加广泛的应用，取得的成果主要在以下的几个方面：模糊系统与神经网
14、络系统作为一个自我适应的模型无关估计的研究。利用神经网络对模糊控制规则的获取、细化方面的研究。在神经网络学习算法中引入模糊控制技术的研究。同时模糊神经网络也融合了神经网络和模糊逻辑的特点，从而也提高神经网络的启发性、透明性和准确性出发，将模糊化概念和模糊推理加入神经网络的神经元、连接权和网络学习中去。模糊神经网络也可以快速地发挥模糊逻辑和神经网络各自的优势，弥补其中的不足。近年来，很多的研究人员正在从事神经网络(NN)与进化算法(EA)结合的研究，近而开辟了新的进化神经网络研究的领域。进化神经网络的主要研究方向为：例如：对神经网络结构进行编码，也就是对网络参数的确定，这其中也包括选择待编码的参
15、数和各参数分配串长、定义串值和参数值之间的映射关系等等。细胞神经网络(CNN)是美国加州大学伯克利分校蔡少棠(L.O.Chua)教授于 1988 年提出的神经网络。因为 CNN 具有很多种不相同的架构，所以很难替 CNN 处理器下一个明确的定义。从结构的观点来看,CNN 属于细胞式架构，资料处理也是用平行的方式进行计算，因此运算速度得到了大幅的提升。同时它也是由固定数目、固定位置、固定拓普、局部互连、非线性的处理单元所组成，这个非线性的处理单元被叫做神经元。在数学的模型上，每个细胞都被做为独立并且非线性的单元，它拥有初始的状态、输入与行为。讯号的处理通常也都是连续的，例如 Continuous
16、-Time CNN (CT-CNN) 处理器, 但同时也可以是离散的。Discrete-Time CNN (DT-CNN) 处理 CNN 和 HNN 在等效电路上是相似，都是用独立的电流源、电压控制电流源和电阻 R、电容 C 组成的。然而，由 CNN 的电压控制的电流源是两部分组成，其中一部分是 CNN 输入电压转换来的的电流源，而另一部分则是由细胞的输出电压转换成的电流源，两者经过各不相同的转换系数(也称模板参数)变成了压控电流。CNN 和 HNN 的区别在于，后者的神经元之与神经元间是完全连接的，而前者的神经元只能与其附近区域内的神经元连接，而与其区域的细胞是没有连接得。HNN 主要做用于
17、求解的优化问题，CNN 主要做用于第一章 前言- 4 -图像的处理。因此 CNN 更加广泛应用于图像处理当中，因而选择不同的模板作为参数，是能进行方向性检测(例如：水平方向、垂直方向或成某一个角度的检测)，边缘的检测、空穴的填充、黑白的颠倒、阴影的检测、图像变部全黑和或者全部变白、逻辑和非运算、图像的去噪声处理等等一些问题。在目前，人们已提出了很多种的混沌神经网络模型，其中最有代表性的模型有三类，即：第一类由Aihara由动物的实验从而提出来的混沌神经网络模型；第二类是由Lnoue和 Kaneko等提出的耦合混沌神经元网络；第三类则由Chen和Aihara、Wang和Smith和 Hayakw
18、a等提出的把传统的Hopfield神经网络模型进行变换之后得到的具有混沌特性神经网络。目前对于混沌神经网络模型应用研究主要：混沌神经网络用来模式识别与图像处理；混沌神经网络用来优化以及控制；混沌神经网络用在通信和语音的处理；如何用电路的方式来实现混沌神经元与混沌神经网络。人工神经网络具有自己组织、自己学习、独自联想存储的功能与高速寻找最优化解的能力，在模式的识别、信号的处理、自动控制、通信等领域有广泛的应用。于此同时，在实际应用中也促进了神经网络的飞速发展。1.2 发展历史在我国几千年的文明发展过程中，中药为中华民族的繁荣昌盛做出了不朽贡献。中药种类繁多，来源复杂，目前药材市场上除正品外，还有
19、替代品和伪品，不同来源的药材，品质差异很大。药材的质量直接关系到人民的生命健康安全，影响临床疗效和实验研究，也直接影响中药事业的发展。传统的药材检测由有经验的人员完成，不仅效率低，还易受人为因素的影响，且经验不易于传承。因此，建立一套现代化的中药材分类系统，对药品进行自动化鉴别，去伪存真，确保药材的质量，具有重要的意义。1.2.1 神经网络算法具有特点高度快速的并行处理问题的能力，处理问题的速度高于传统的序列算法处理问题的能力；具有很好自我适应功能，同时也可以根据学习所提供的数据样本来找出输入数据以及输出数据之间的内在联系； 非线性映射的功能，图像处理当中的许多问题都是非线性问题，神经网络是处
