bp神经网络手写数字识别,基于神经网络的手写字母识别
【手写字母识别】基于ELMAN和BP神经网络,实现手写大写字母(A-O)识别。带Matlab源代码的技术博客_MATLAB仿真博客_博客
1引言模式识别一直是信息科学、人工智能等领域的研究热点。经过研究者多年的努力,已经取得了许多理论成果。在应用方面,已经在气象云图、卫星遥感图像识别、工业产品检测、字符识别、语音识别、指纹识别、医学图像分析等多个方面得到应用。特别是基于模式识别的语音系统,指纹识别系统是模式识别研究的成功应用成果。手写数字识别是模式识别技术的一个分支,广泛应用于票据、表格、邮件分拣等领域。在这些应用中,要求识别系统是自动的、快速的和高度准确的,因为一个错误的识别将导致不可预测的后果,甚至是巨大的损失。因此,如何提高识别系统的识别率成为手写数字识别系统的核心问题。基于BP神经网络的手写数字识别系统的目的是设计一个基于BP神经网络的分类器,对不同的输入字符特征向量进行不同的分类,最终得到识别结果。
第二部分代码全部清除;
%要形成用户界面,请添加一个图形窗口。
h=图形(颜色,[0.75 0.75 0.75],
位置,[400 200 500 400],
基于Elman神经网络和BP神经网络的姓名、字母识别,
数字标题,关,
菜单栏,无);
%绘制坐标轴对象以显示原始图像。
h0=轴(位置,[0.15 0.6 0.3 0.3]);
%添加图像打开按钮
h1=uicontrol(H, Style , push ,
位置,[80 120 150 70],
字符串,选择以识别图片,
字体大小,10,
Call , op );
%绘制坐标轴对象,显示预处理图像。
h2=轴(位置,[0.55 0.6 0.3 0.3]);
%添加预处理按钮
h3=uicontrol(H, Style , push ,
位置,[280 120 150 70],
字符串,图像二值化,
字体大小,10,
Call ,预处理);
%添加标识按钮
h4=uicontrol(H, Style , push ,
位置,[280 50 150 70],
字符串,标识字母,
字体大小,10,
叫,认);
%添加一个文本框来显示识别结果。
%添加训练神经网络按钮
h6=uicontrol(H, Style , push ,
位置,[80 50 150 70],
字符串,神经网络训练,
字体大小,10,
叫,训练);3模拟结果
4参考文献[1]徐野,刘铁强。基于BP神经网络算法的手写数字识别技术研究[J].沈阳巩俐大学学报,2010,29(5):4。
博主:擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等领域的Matlab仿真。相关的matlab代码问题可以私信交流。有些理论引用自网络文献。如有侵权,联系博主删除。
原创作品来自matlab研究助手,
郑重声明:本文由网友发布,不代表盛行IT的观点,版权归原作者所有,仅为传播更多信息之目的,如有侵权请联系,我们将第一时间修改或删除,多谢。