协同神经网络识别技术及其在车牌汉字识别中的应用new

《协同神经网络识别技术及其在车牌汉字识别中的应用new》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、上海交通大学硕士学位论文协同神经网络识别技术及其在车牌汉字识别中的应用姓名：陈丽申请学位级别：硕士专业：计算机软件与理论指导教师：戚飞虎20040101上海交通大学硕士学位论文协同神经网络识别技术及其在车牌汉字识别中的应用摘要协同学理论是主要研究系统依靠自组织产生空间结构时间结构或功能结构上自发形态的跨学科领域其研究焦点是复杂系统宏观特性的质变本文在研究图像目标识别特别是汉字识别的基础上讨论了有关模式识别协同方法的研究在结合车牌汉字识别的应用实例中主要对协同学的学习算法网络优化不变性研究等方面展

2、开的研究主要包括以下几方面的工作1.学习算法的研究在详细分析了协同基本理论和协同神经网络的构造原理和运作机制的基础上对协同学习算法进行了全面的分析对于基于梯度动力学的学习算法提出了改进通过引入不平衡注意参数降低了伴随向量初始值选取的复杂度同时还引入最优化理论将该问题归结为求解非线性最优化问题用共轭梯度法代替梯度下降法加快了学习过程的收敛实验证明改进的梯度动力学学习算法大大提高了算法的收敛速度和网络识别的准确率2.协同网络优化的研究分析了序参量和注意参数的意义及二者之间的关系并对于不平衡注意参数对

3、势函数吸引域的影响给出了定性分析提出了基于剩余向量最小化的自适应动态注意I上海交通大学硕士学位论文参数法并给出了几种自适应动态注意参数的构造方法实验证明该方法对网络的性能提高极其显著具有很好的应用前景3.协同不变性识别的研究根据不变性识别的特点首先引入协同学基于Fourier变换和复对数坐标映射的方法处理模式的刚体运动情形并给出了一些例子针对非刚体变化分析了基于动力学的不变性识别方法该种方法更接近于人的认识过程随后给出了一些具体的应用实例并将它应用于车牌字符识别中4.具体应用实例针对汉字的特殊性

4、讨论了它的结构特征和统计特征并根据这些特征对汉字进行了分类分类结果符合人类感知特征充分说明了特征提取的有效性随后提出了分级协同神经网络模型以用于汉字的识别应用实验结果令人满意最后就协同神经网络与传统神经网络进行了分析讨论充分说明了协同神经网络在网络构造和识别性能上均优于传统神经网络且其最大的优点是没有伪状态关键词协同学协同神经网络模式识别车牌汉字识别图像处理II上海交通大学硕士学位论文SynergeticNeuralNetworkPatternRecognitionTechnologyandth

5、eApplicationtoRecognitionofChineseCharactersofVehicleLicensePlateABSTRACTSynergeticsisaninterdisciplinaryfieldofresearchconcernedwiththespontaneousformationofspatial,temporalorfunctionalstructuresbyself-organization.Inthisthesis,thebasictheoriesofsyn

6、ergeticapproachtopatternrecognition,especiallytherecognitionofChinesecharactersofvehicle’slicenseplatearepresented.Applicationofsynergeticneuralnetwork(SNN)hasbeenresearched,includingstudyonlearningalgorithmofsynergeticneuralnetwork,studyonevolutiona

7、rySNNandinvariantpatternrecognitionofsynergetics.Themajorworksofthisthesisincluding,1.Studyoflearningalgorithm.Synergeticlearningalgorithmhasbeenanalyzedroundlyonthebasementofstudyingthesynergeticbasictheorysystematicallyandanalyzingconstructionprinc

8、ipleandoperationprincipleofSNNthoroughly.AnimprovedlearningalgorithmofSNNisproposedafterstudyingthesynergeticgradientdynamicsprocession.Theimprovedalgorithmanalyzestheeffectofunbalancedattentionparameteronstudyprocessandthenintroducesoptimizationappr