人工神经网络的字符识别

人工神经网络是目前主流的模式识别技术之一。它是一种模拟大脑学习的简单模型,广泛应用于信息、控制、通信、经济、医学等领域的字符识别。利用MATLAB中的神经网络工具箱对人工神经网络进行训练、验证和测试后,可以识别噪声干扰中的字符集。     

两个神经网络优化准则及其在无限制字符识别中的应用

本文根据信息理论提出了模式特征有效提取准则和稀疏有象准则两个新的神经网络优化准则，探讨了它们之间的相互关系，并给出了具体的能量函数形式和优化算法，设计了两个具有神经网络模型，根据上述地无限制手写体字符识别的初步应用中得到了很好的结果。     

SVM方法在车牌字符识别中的应用

车牌识别技术是智能交通系统中的重要组成部分,而字符识别是其关键环节,采用支持向量机（SVM）分类方法能够在训练样本较少的情况下达到很好的分类推广能力。根据车牌特征将车牌字符分为四类,用提取的特征训练SVM分类器,采用交叉验证的方法选择最优化参数。实验结果表明,该方法具有较高的识别率。     

基于神经网络算法的字符识别方法研究

为了提高字符识别的成功率,阐述了在模式识别中的一种基于误差反向传播的人工神经网络算(BP神经网络算法)的应用,实现基于神经网络算法的车牌字符识别和结果显示,实验结果说明,保持一定数量以上的训练样本和训练次数,本方法可提高车牌字符识别的正确率和抗干扰能力.     

基于生产线的标签检测与字符识别

生产线生产过程中需要回收产品标签上的信息,确认产品去向并核对。针对人工回收标签信息不仅浪费人力,并且失误率高的问题,文中提出了一种基于轻量化Ghost模块改进的YOLOv4目标检测算法,用于检测生产线上产品的标签。通过连通域分割方法将标签上的点阵字符串分割成单个字符,通过卷积神经网络进行点阵字符的识别,回传到系统中进行信息的回收和核对。文中通过工业相机以及传送带为实验平台模拟药瓶出厂试验,得出检测速度相较于传统YOLOv4目标检测算法提升了133%,信息录入准确率为99.87%的结果,具有很好实际应用价值。     

用于字符识别的椭圆基函数概率神经网络

提出了一种适合在有噪声条件下进行字符识别的椭圆基函数概率神经网络ＥＢＰＮＮ模型，该模型选用由字符统计特征提取的具有选择注意特性的参数作为概率神经网络的椭圆基函娄系数。ＥＢＰＮＮ模型在货车编号自动识别系统中获得了良好的应用，整个系统的字符识别率达到９６％以上，编号识别率达到９０％以上，实验结果表明该模型的识别性能较常用的其它神经网络要好，且特别适用于有噪声的情况。     

一种基于支持向量机的车牌字符识别方法

针对车牌字符图像受客观条件影响较大、样本数量不是很大、分类识别相对容易等实际情况。提出了一种对经过预处理的车牌字符图像采用SVM算法进行识别的方法。该方法将图像数据转变为文本数据作为输入样本，方法简单快速，克服了提取图像特征过程中过分依赖字符结构和图像质量的不足。并通过使用参数归整、交叉校验、选择适当的核函数等方法寻求最优参数．避免欠学习、过学习问题的产生。通过使用高速公路收费口的实拍汽车图像进行实验，验证了算法的有效性。     

基于SVM多类分类器的字符识别

针对字符识别相似字符识别能力差,速度慢等问题,提出基于支持向量机的识别方法。首先提取预处理后的字符特征,然后进行降维处理,再设计多类分类器并进行训练,最后选取合适的核函数进行识别。实验表明,该方法识别率高达97.65%,且具有适应性强和效率高的特点,具有较高的实用价值。     

用于车牌字符识别的SVM算法

支持向量机(SVM)是20世纪90年代初由Vapnik等人提出的一类新型机器学习方法，此方法能够在训练样本很少的情况下达到很好的分类推广能力。本文应用SVM算法时车牌中的汉字字符进行识别，无字符特征提取提高了识别速度，并且可得到较高的识别率。实验讨论了SVM算法用于字符识别时，不同的核函数时识别率的影响。实验结果表明，用SVM算法进行车牌字符识别具有较高的识别率。     

车牌识别中字符识别的研究

对智能交通系统进行了简要的概述,分析了字符识别在车牌识别中的重要性及选取特征的标准,针对车牌中汉字与大写字母和数字采取不同的特征提取方法,最后进行实验分析并对其识别效果进行比较,发现用改进的13点特征法对汉字进行特征提取,其识别效果要好于直接用13点特征法对汉字进行识别。     

一种基于人工神经网络的人脸识别方法

提出了一种基于BP人工神经网络的人脸识别新算法。采用积分投影与几何特征提取相结合的方法进行人脸图像特征提取,构建特征向量,利用BP神经网络分类识别。仿真结果表明,该算法应用于ORL人脸库的分类识别,仅用13个特征即可达到平均识别率99%,识别能力显著增强,同时有效地降低了所需特征维数和计算复杂度。     

基于小波神经网络的与文本无关说话人识别方法研究

基于神经网络的说话人识别方法可以在一定程度上模仿人脑的功能,是说话人识别中的一种主要技术,但它通常难以确定隐层单元的数目,收敛速度慢,易于收敛到极小点。该文研究了一种用于说话人识别的小波神经网络模型,给出了网络结构和学习算法。采用Mel频率倒谱系数作为与文本无关的说话人识别的特征参数,并利用该模型进行了5个人的说话人识别实验,得到99.5%的识别率。实验结果表明,小波网络和传统的BP网络相比,训练速度和识别率都有了较大提高,具有良好的应用前景和进一步研究的价值。     

基于神经网络的数字识别的研究

数字识别在很多重要领域有着广泛的应用。通过对人工神经元网络的研究与学习，提出了一种基于神经网络的数字识别方法，并作了大量的试验，取得了满意的结果。对于印刷体数字的识别率达到了100％，对于手写体数字的识别也达到了98％以上。     

基于最佳小波变换和神经网络的气体非线性荧光光谱的识别

将小波变换和神经网络相结合用于非线性荧光光谱的识别,针对非线性荧光光谱的特点,提出了选择最佳小波函数和分解层数的方法,处理后的光谱在保留光谱特征的基础上,大大压缩了数据维数;采用概率神经网络(PNN),对3种污染气体的非线性荧光光谱进行识别,获得了满意的实验结果。由于神经网络的输入是小波压缩后的数据,不仅提取了原始数据中的特征,而且数据的维数也下降7倍多,大大提高了气体识别的速度。     

基于人工神经网络下的图像识别的研究

主要利用人工神经网络的理论知识研究在图像识别中的应用为目的,研究图像识别中图像分割的技术,同时详细分析了多层前馈神经网络的描述及BP算法工作过程。介绍隐层的选择及隐层神经元数选择的一些经验方法。针对BP算法存在的问题,提出加可变动量因子的BP算法,通过对网络训练过程参数调整以及增加可变动量因子等方面进行优化改进,实验证明加快了训练速度,改善了BP网络的学习效果。     

基于负相关神经网络集成的货币识别算法研究

为了提高货币识别率,提出了用负相关学习算法来提高神经网络集成的泛化能力.将紫外光照射下的纸币图片作为实验样本,将负相关学习法的集成神经网络用于分类器设计,选择6种面额纸币在不同噪声下的样本共300个作为训练样本,对单个神经网络分类器和神经网络集成分类器进行了MATLAB仿真,并对仿真所得的可靠性、识别率进行对比.实验结果表明,基于负相关学习的神经网络集成对货币识别分类有很好的效果,与应用单个神经网络的系统和独立训练个体网络的集成神经网络相比,它的识别率平均可以高出4％.     

Wavelet Neural Network for Handwritten Manchu Character Unit Recognition

The Manchu character recognition method based on Manchu character unit is an efficient method. In this method, the recognition accuracy rate of Manchu character unit has great influence on the final recognition result. As new approach to solve this problem,a hybrid wavelet neural network scheme has been developed as an assistant method combine with the original combo - distance method. Due to the properties of the wavelet neural network,the training problem can be transformed into a convex optimization process,therefore the global minimum can be obtained and the learning speed is increases. Both the learning samples set and testing samples set are used, experimental results demonstrate the combine method based on the wavelet neural network is more efficient than the single combo - distance method.     

基于小波神经网络的嵌入式语音识别系统

以ARM和嵌入式操作系统Windows CE为平台设计了基于小波神经网络的语音识别系统。首先介绍了语音识别的基本原理、系统的硬件组成、系统的功能结构、系统的工作原理,然后叙述了小波和神经网络的理论知识及算法,最后介绍了嵌入式语音系统的软件设计。由于采用S3C2410芯片负责系统的控制和识别工作,而语音信号的特征提取和训练算法全部由SPCE061A芯片来完成,从而使得语音识别系统识别率提高,可移植性好。     

改进的模糊神经网络及其在人脸识别中的应用

对基于模糊神经网络的人脸图像分类器进行研究。将多输入单输出模糊推理系统改造成多输入多输出的模糊神经分类器,并提出了一种改进的模糊神经分类器,改进模型的计算量明显减少。在将模糊规则库与训练样本集对应的基础上提出了一种模糊隶属函数参数的初始化方法。该初始化方法的优点在于它充分利用了训练样本所包含的鉴别信息。在ORL人脸的原始图像空间中用上述方法设计分类器,获得了较好的实验结果。     

License Plate Recognition System Using Artificial Neural Networks

A high performance license plate recognition system (LPRS) is proposed in this work. The proposed LPRS is composed of the following three main stages: (i) plate region determination, (ii) character segmentation, and (iii) character recognition. During the plate region determination stage, the image is enhanced by image processing algorithms to increase system performance. The rectangular license plate region is obtained using edge‐based image processing methods on the binarized image. With the help of skew correction, the plate region is prepared for the character segmentation stage. Characters are separated from each other using vertical projections on the plate region. Segmented characters are prepared for the character recognition stage by a thinning process. At the character recognition stage, a three‐layer feedforward artificial neural network using a backpropagation learning algorithm is constructed and the characters are determined.