一种基于神经网络的印鉴识别方法

印鉴是单位和个人在文书中的重要凭证,设计印鉴自动识别系统对于加强印鉴真伪的鉴别能力具有非常重要的意义。识别系统主要包括印鉴图像采集,印鉴图像的分离,特征提取,以及分类器的设计等这几个步骤。核心是根据印鉴的纹理和矩特征结合神经网络(BP)对印鉴进行识别。经实验结果表明,该方法在误差允许的范围内完全达到实用要求。     

印鉴自动识别系统中印鉴图像配准的研究

通过对印鉴自动识别系统中图像配准问题的研究,特别是对圆形和椭圆章形配准难度较大的问题进行了重点分 析,提出了一种新的算法,在VC 6．0的平台上实现并证明了该算法是一种非常理想的算法。     

一种基于非线性特征提取的被动声纳目标识别方法研究

目标噪声特征提取是被动声纳目标识别系统的关键技术。首先提出了一种利用从噪声极限环中提取的非线性特征来分析舰船噪声信号的新方法,然后采用基于自适应遗传BP算法的神经网络对提取的特征进行分类。实验结果表明,该系统具有较好的分类效果。     

基于GA-BP神经网络的脱机手写藏文识别方法

通过对当前流行的各种识别技术进行分析比较,在对藏文手写体特征展开深入研究的基础上,考虑到将来的研究趋势及可扩展性,提出了一套基于手写藏文识别的技术方法,即基于GA—BP神经网络的藏文识别方案,并着重对手写藏文识别中的特征提取和分类器设计进行了分析,提出了藏文识别领域今后的发展方向。     

印鉴图像配准方法的研究

随着社会经济的发展,银行业务量日渐增大,过去的手工识别方法已不能满足社会所需。印鉴图像配准方法作为自动识别方法的基础,是对标准印鉴和待测印鉴进行处理,为判断这两个印鉴是否出于同一个印章做必要的准备。本文采用一维化的印鉴图像配准方法,该方法包括印章图像灰度化、去除噪声、二值化和背景分割等预处理以及图像配准两部分。     

一种基于多层BP神经网络面部表情识别方法

人脸表情识别是指通过面部表情特征的计算,实现表情的分类.研究了基于面部运动特征的表情识别方法,提出基于神经网络的表情识别方法.该方法提出一种基于多层BP神经网络进行表情分类的方法,其特征提取利用脸部运动编码系(FACS)进行;训练BP网络作为依据运动特征进行表情分类的判别方法.实验表明分别时上下半边脸的运动单元(AU)进行训练和测试,取得了较好的识别效果.     

基于内容的动画素材检索关键技术研究

为了提高动画素材的使用效率降低制作成本,论文提出了一种基于内容的动画素材检索方法,分别用96色非均匀量化算法、灰度共生矩阵和形状无关矩提取颜色、纹理和形状特征,并将多特征进行融合,通过实验取得了很好的效果。     

基于Haar特征的车辆识别方法

为了解决车辆安全驾驶辅助系统中的前向车辆实时识别问题,提出一种基于Haar特征与支持向量机的前向车辆识别方法。使用基于Haar特征与支持向量机得到的车辆分类器对获得的车辆假设区域进行验证,并排除假设区域中的非车辆区域。实验结果表明,该方法在车辆识别率与虚警率两个指标上都明显优于传统方法,具有较好的应用前景。     

基于改进卷积神经网络的人脸识别算法

针对经典人脸识别卷积神经网络(CNN)结构中因网络层次设计过深导致计算量大且训练耗时长的问题,设计一种改进的卷积神经网络结构,该结构由3个卷积层、3个池化层、1个全连接层和1个分类层组成。利用Softmax回归算法进行人脸分类识别,卷积神经网络在输出层利用改进的Softmax进行分类。实验结果表明:在AR人脸库上,所述方法的识别率接近100%,优于传统人脸识别方法,其训练速度也明显快于普通的卷积神经网络,验证了改进方法的有效性。     

基于BP神经网络的金属材料字符识别研究

字符识别是模式识别领域的一项传统课题,其内容是模式识别领域中很多课题的基本内容。人工神经网络的出现为字符识别的研究提供了一种新的手段,BP神经网络(Back Propagation Neural Network)作为人工神经网络的一个分支,现已成为其最广泛的应用。本文以三层BP网络作为模型,并将其应用于对金属角铁上的字符识别。由于角铁字符为数字与英文字母混合,文中在对传统的BP算法进行了改进的基础上,采用了分组神经网络的设计方法,取得了良好的识别效果。     

一种基于神经网络的加密算法

一个完整的密码系统包括明文空间，密钥空间，以及算法。把联想记忆神经网络用于加密，我们只利用网络的迭代，不必考虑是否能达到网络的稳定点，我们只需把给定输入的经过计算出的网络的迭代指定步数结果提取出来用于加密即可，该方法简单容易实现，缺点是伴随着安全性的提高有一定的密钥冗余。     

一种基于纹理的图像检索算法

通过分析原有纹理粗糙度,提出一种改进的纹理粗糙度算法：在选取领域尺寸和计算领域均值差值这两个方面需要改进。实验表明,改进纹理粗糙度具有更强的纹理分辨能力和更好的旋转不变性,基于改进纹理粗糙度的图像检索结果优于原有纹理粗糙度的图像检索结果。     

基于内容的图像检索系统设计

随着多媒体技术的发展,传统的基于文本的信息检索技术已经不能满足需求,基于内容的图像检索技术成为当今的研究热点。图像的特征提取,相似性匹配是基于内容图像检索系统设计的关键技术。本研究在对图像检索关键技术研究的基础上,利用Visual Basic程序设计语言和Access数据库实现图像数据库的建立和检索。结果显示,所设计的基于内容的图像检索系统可以有效地利用图像的颜色、纹理特征从图像数据库中检索出相似的图像。     

一种基于卷积神经网络和双向长短记忆神经网络的在线医疗社区问答文本实体识别方法

[目的/意义]针对在线医疗社区问答文本复杂程度高、结构化程度低的特点,结合卷积神经网络（CNN）和双向长短记忆神经网络（BiLSTM）两种深度学习模型以及条件随机场（CRF）模型,提出一套适用于在线医疗问答文本的实体识别方法并进行验证。 [过程/方法] 将问答文本进行清洗和BIO标注后,分别用CNN和BiLSTM进行字级别的特征抽取,将两种模型抽取到的特征进行融合,后放入CRF中训练出实体预测模型,再将问答文本放入训练好的模型中得到最终的实体识别结果。[结果/结论]在所选取的乳腺癌医疗社区问答文本数据集上,所提出的方法结果优于其他模型,且识别准确率达到92.3%,召回率达到89.3%,F值达到90.8%。     

基于神经网络的数字识别技术研究

将图像的像素特征与矩特征结合,构建了神经网络分类器,利用提取的特征向量对分类器进行了训练和测试。将图像二值化,并归一化为16＊16大小,提取了其每个像素点的0、1特征共16＊16—256维,图像的网格特征13维,及Hu矩特征7维,一共276维特征。建立了BP神经网络分类器,分别使用最速下降BP算法、动量BP算法、学习率可变BP算法对BP神经网络分类器进行了训练,得出了在相同条件下学习率可变BP算法训练时间短,收敛快的结论。建立了PNN神经网络分类器,与BP神经网络分类器性能进行比较,实验结果表明,PNN神经网络分类器性能更好。     

基于小波变换的钞票识别

提出一种基于Gabor小波特征提取的钞票识别算法。基于钞票印刷图像的纹理特性,从钞票图像中选取采样点,利用Gabor小波提取采样点的领域特性作为特征。选用统计模型作为分类器,用提取到的特征作为输入。取第五套人民币作为实验集进行了实验,实验结果表明方法的有效性,能正确识别实验集的全部样本。     

基于内容图像检索中纹理特征提取的研究

用复合小波滤波系数设计了一组新的二维旋转复合小波滤波器组(RCWF),它改进了导向纹理的描述。双树旋转复合小波滤波(DT-RCWF)和双树复合小波转换(DT-CWT)被共同用于纹理分析的12个不同方向。通过计算每一波段的能量和标准偏差而获得纹理特征,并给出实验结果。使用联合滤波器组得到的检索性能要优于使用其它方法得到的性能,新方法同时保持了较好的计算复杂度。     

一种在线医疗社区问答文本实体识别方法——基于卷积神经网络和双向长短期记忆神经网络

针对在线医疗社区问答文本复杂程度高、结构化程度低的特点,结合卷积神经网络(CNN)和双向长短期记忆神经网络(BiLSTM)两种深度学习模型以及条件随机场(CRF)模型,提出一套适用于在线医疗问答文本的实体识别方法并进行验证.将问答文本进行清洗和BIO标注后,分别用CNN和BiLSTM进行字级别的特征抽取,将通过两种模型...     

一种基于SOM的水果质量识别系统

根据大量实验发现HSV颜色空间的色度平均值和色度空间梯度对刻划水果质量较为有效。介绍基于SOM的水果质量识别系统,并实现对水果的表面质量检测。