基于神经网络的红酒识别问题

目前市面上的红酒仅从外部特征包括防伪标志等很难进行识别。此时,人工神经网络模型不失为酒类识别的一种有效的工具。针对这一问题进行阐述。     

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。     

基于不变矩和小波神经网络的交通标志识别研究

研究了用于交通标志识别的小波神经网络模型,并描述了相应的算法,给出实验结果。实验结果表明,采用不变矩提取道路交通标志的特征,再利用训练速度快、优化性能好的小波神经网络作为分类器对交通标志识别具有很好的分类能力,对实现交通标志的精度识别提供了有力的支持。与传统的BP神经网络识别方法相比,小波神经网络的训练速度更快和识别率更高,能够满足在车辆自主导航系统中对交通标志识别的要求。     

基于神经网络的多参数损伤识别

本文首先对损伤参数进行了理论分析,提出基于神经网络的损伤识别原理,利用ansys建立简支梁数值分析模型,建立非线性映射能力较强的单隐层BP网络进行损伤识别,定位损伤,较为准确的判断了损伤程度。     

印刷体汉字识别技术

论述了印刷体汉字识别的原理和预处理、特征抽取与分析、单字识别后处理过程 ;着重分析了统计模式识别方法、结构模式识别方法、统计模式识别与结构模式识别相结合的方法、神经网络方法等多种汉字识别的技术 ;阐明了汉字识别技术研究今后发展的方向。     

基于BP神经网络的语音情感识别研究

随着科技的迅速发展,人机交互越来越受到人们的重视,语音情感识别更是学术界研究的热点。将BP神经网络算法用于语音情感识别研究,并在汉语情感数据集上进行了相关实验,识别的准确率达到了91．5％,相较于SVM算法分类精度提高了5％。     

基于SIFT和BP神经网络的车牌识别技术的研究

针对车牌容易变形,涂漆易脱落,受光照等环境因素的影响,本文将SIFT算法和BP神经网络应用在车牌识别领域中,有效地克服了上述问题。SIFT算法对汉字,字母和数字提取SIFT局部特征,并用BP神经网络进行识别。克服了传统的模板匹配方法对数字和字母形状相近不能识别的缺点。实验中的结果和模板匹配法相比较,表明该方法明显优于传统的模板匹配法。     

基于BP神经网络的顾客价值识别研究

本文把顾客价值分为好、中、差三种状态,将通过了预测试的顾客价值量表指标作为输入结点,构建了基于BP神经网络的顾客价值识别模型.并针对食品(饮料)业的34家上市公司的主要产品设计调查问卷并取得数据,将数据输入顾客价值BP神经网络识别模型进行仿真实验,结果表明该模型适合对企业的顾客价值进行识别.     

图像处理与识别技术在煤矿矸石自动分选系统中的应用

煤矸石的分选是煤炭生产过程中提高产品质量必不可少的重要环节,是综合利用资源和节约能源的重要途径,是实现煤炭洁净生产、洁净利用的重要手段,这些年随着煤炭产量的不断增加以及对原煤质量要求的提高,传统的人工手选煤矸石方法已无法满足现代化的煤炭生产的需求。因此煤矸石的自动分选技术得到了很大的发展。本文对基于图像处理与识别技术煤矸石分选方法进行概述。     

基于人像识别技术的护照鉴定系统

本鉴定系统旨在使计算机具有通过人像识别束鉴别护照的功能。系统中以字符识别为先导，以人像识别为核心，是一种依托于图像理解、模式识别、计算机视觉和神经网络等高技术的智能系统，在公安、边检、旅店等行业具有广泛应用前景，可以有效地防范各种形式的刑事犯罪与经济犯罪。     

基于BP神经网络的物流车辆识别

车型识别是智能交通的重要组成部分。本文针对降低物流产业的运输成本,论述了用BP神经网络构建物流车辆识别模型,通过像素点的曲率与相对距离输入,得到车型类别,并通过算例分析其鲁棒性。     

数字图书馆中手写体数字的神经网络识别的新方法

研究并实现了在抽取样本模式有效特征的基础上 ,训练神经网络分类器进行手写体数字识别的新方法。实验表明本方法的性能大大优于采用最近邻分类器的识别结果。     

基于神经网络的多参数损伤识别

以一矩形截面简支梁为研究对象,建立完好结构和损伤结构的有限元模型,曲率模态差进行损伤定位,以标准化后的频率下降量,振型变化量与频率变化平方的比值、曲率模态差、作为BP神经网络输入参数,建立非线性映射能力较强的单隐层BP网络进行损伤识别,以损伤位置和损伤程度作为网络的输出参数。数值分析结果验证了该方法的可行性。     

基于RBF神经网络的数字图像识别方法在交通检测中的应用

本文介绍了数字图像处理与模式识别在交通的应用领域及其重要意义,针对传统图像处理算法以及BP神经网络对数字图像识别存在的缺陷,提出了一种以RBF神经网络为识别模型的数字图像模式识别方法。通过Matlab仿真结果表明:该方法具有识别率高、识别速度快等优点,在交通检测领域具有广阔的应用推广前景。     

基于概率神经网络(PNN)的人脸朝向识别

同样的人脸拍摄角度不同,得到的特征向量也会有较大的差别,所以同一张人脸稍有偏向,计算机却可能会当成是不同的人。如果拍摄角度相同,那么同样的人脸对应的特征向量变化不大。所以人脸位置朝向问题的分析研究对于整个人脸识别问题具有重要的改进意义。本文应用概率神经网络对人脸朝向进行识别,实验表明PNN网络能够很好地解决人脸朝向识别问题。     

基于神经网络的语音识别鲁棒性研究

语音识别技术已经取得令人鼓舞的成就,市场上也出现了许多相对成熟的语音识别产品,但是大部分语音识别系统仍局限于特定的环境,距离真正的实用化还相差很远。本文以提高语音识别系统的鲁棒性为目标,进行了相关的实验和研究。     

基于神经网络的人脸识别方法研究

作为一个重要的人类外部特征．人脸识别具有重要的理论和实际应用价值针对人脸图像具有大样本和高维度的特点．本文提出了BP神经网络识别算法,分析了BP神经网络的基本特点,提出了利用人脸图像预处理获得面部图像的特征值,最后设计针对人脸识别的神经网络系统     

一种改进的神经网络算法车牌识别算法研究

针对当前车辆识别算法,由于传统的特征提取车牌识别方法,直接通过图像的灰度特征进行车牌识别,当外界光线不足时,图像灰度特征不明显而不能准确识别相似字符,造成车牌误识别的问题.提出了一种改进的神经网络算法的车牌识别系统.通过建立汉字网络、字母数字网络找出相似字符之间的差异进行识别,实验表明,这种识别算法实现简单,识别准确率高.     

基于ART神经网络的中文文档分类识别方法研究

为了提高信息查询的效率,本文将自适应谐振神经网络引入中文文档搜索分类之中。在讨论自适应谐振神经网络基本原理的基础上,提出一种新的中文文档的层次聚类算法,从而提高中文文档的分类识别效率。     

模式识别综述及汉字识别的原理

通过对模式识别系统的简要评述,对近年来几种基本的模式识别方法进行了总结,并对模式识别在汉字识别方面的应用原理作了介绍。