(内容及序目可用)基于bp网络分类和hopfield网络联想分类能力的研究

《(内容及序目可用)基于bp网络分类和hopfield网络联想分类能力的研究》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、中北大学学位论文分类号：O175单位代码：10110学号：基华于BP中北大学北网硕士学位论文络分类和Hopfield基于BP网络分类和Hopfield网络联想分类能力的研究网络联想分类能力的研究硕士研究生王晓娟指导教师白艳萍中学科专业应用数学北大学2014年4月10日中北大学学位论文图书分类号TP183密级非密UDC___________________________________________________________硕士学位论文基于BP网络分类和Hopfield网络联想分类能力的研究指导教师（姓名、职称）白艳萍教授申请学位级别理学硕士专业名称应用数学论文提

2、交日期年月日论文答辩日期年月日学位授予日期年月日论文评阅人答辩委员会主席年月日中北大学学位论文原创性声明本人郑重声明：所呈交的学位论文，是本人在指导教师的指导下，独立进行研究所取得的成果。除文中已经注明引用的内容外，本论文不包含其他个人或集体已经发表或撰写过的科研成果。对本文的研究作出重要贡献的个人和集体，均已在文中以明确方式标明。本声明的法律责任由本人承担。论文作者签名：日期：关于学位论文使用权的说明本人完全了解中北大学有关保管、使用学位论文的规定，其中包括：①学校有权保管、并向有关部门送交学位论文的原件与复印件；②学校可以采用影印、缩印或其它复制手段复制并保存学位论文

3、；③学校可允许学位论文被查阅或借阅；④学校可以学术交流为目的，复制赠送和交换学位论文；⑤学校可以公布学位论文的全部或部分内容（保密学位论文在解密后遵守此规定）。签名：日期：导师签名：日期：中北大学学位论文基于BP网络分类和Hopfield网络联想分类能力的研究摘要这篇文章主要研究了在人工神经网络里面较为典型的两个网络—BP网络和Hopfield网络。对两者的分类识别能力进行了深入的研究，对比了两个网络在分类方面的优缺点。并对BP网络在对手写体识别方面进行改进，提高了分类识别能力。又研究了手写体图片的特征提取，用BP网络对其效果进行测试，测试结果也很令人满意。神经网络可以进

4、行模式识别，这一功能非常具有实用价值。本文中研究了BP网络和离散Hopfield网络的识别能力。就数字、字母、手写体数字比较了BP网络和离散Hopfield网络的识别能力，得到噪声在一定范围内，离散Hopfield网络的识别效果要好一些；当噪声超过这个范围，误差就会迅速增加，BP网络的识别结果反而要好一些。进一步，本文对手写体数字的识别问题进行了讨论，提出一种基于BP神经网络的识别方法，从而提高了识别效率。主要就在识别时，数字在图片上的位置和数字本身大小方面做了改进。我们发现，数字在图片上的大小和其在图片上的位置直接影响识别效果。本文具体做的是，首先提取了图片的轮廓，然后

5、归一化成28X28的图像。这样做，不仅使得图像数字区域大小相同，而且都在图像中心上，使得识别结果变的更加理想化，达到了高识别的目的。另外，本文选择了容错性较好的BP网络，以200组手写体数字图像作为输入向量，以其他的110组进行识别，效率达到了90%以上.。本文还做了BP网络对手写体识别的另一个改进。随着计算机网络的发展，越来越多的电子产品会用到手写输入。因此，对这些手写图片的识别变得越来越重要。而BP网络在做一方面的研究时，有一定的优势。文章提取了图像的7个不变矩（Hu矩）特征、均值、方差以及图像的字符势能，用这些字符特征来对图像进行识别。识别的准确率在80%以上。关键

6、词：BP网络；Hopfield网络；模式识别；联想记忆；特征提取；Hu不变矩；字符势能中北大学学位论文AbstractThispapermainlystudiesthetwotypicalartificialneuralnetworksintheartificialneuralnetwork--BPnetworkandHopfieldnetwork.WedeeplystudytheClassificationandrecognitionofthetwonetworks,andcomparetheadvantagesanddisadvantagesofthetwonetwo

7、rks.ThenweimprovetherecognitionofBPnetworkinhandwriting.Andtostudythecharacteristicsofhandwrittenimageextraction,wetestitseffectbyBPnetwork,andthetestresultsaresatisfied.Neuralnetworkcanbeusedinpatternrecognition.Thisfunctionhasgreatutilityvalue.Thispaperstudiesther