bp神经网络手写数字识别,基于神经网络的手写字母识别

  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。

留言与评论(共有 条评论)
   
验证码: