基于bp神经网络的字符识别,matlab神经网络字母识别
1 BP神经网络是根据误差反向传播算法训练的多层前馈神经网络。它已广泛应用于模式识别、函数逼近、信号处理和自动控制等领域,是目前应用最广泛的神经网络。
上传.取消重新上传
上传.取消重新上传
第二部分代码clc全部清除;全部关闭;
警告关闭所有;
%获取字符集
fd=fullfile(pwd, images , dbx );
FDS=dir(FD);
ts=[];
对于i=1:长度(fds)
if isequal(fds(i))。姓名,.) isequal(fds(i)。名字,.)
继续;
目标
ts{end 1}=fds(i)。姓名;
目标
files=getall files(FD);
%提取字符集的特征向量
db_file=fullfile(pwd, VL . mat );
如果存在(数据库文件,“文件”)
load(db _ file);
其他
因为i=1:m
cropimg_2=imcrop(A,状态(I)。bounding box);%图片框架部分图像捕获
cropimg_2=imresize(cropimg_2,[28,28]);%将图像调整为28*28
% crop img _ 2=im complement(crop img _ 2);
[文件路径,~,~]=文件部件(mfilename(完整路径);
disp(文件路径)
Write (crop img _ 2,[file _ path, \ \ lxjc \ \ ,num2str (m, d ),。bmp], bmp)%将捕获的图像临时存储在LXSB文件中。
文件路径=[file_path,\\lxjc\\,num2str(m,d),.BMP ];%打开图像
if isequal(文件路径,0)
打破;
目标
im=uint 16(im read(file path));
[~,p _ test]=get _ feature(im);
p2n=tramnmx(p_test,minp,maxp);
r=sim(net,p2n);
r2n=postmnmx(r,mint,maxt);
r=round(r2n(1));
r=ts { r };
图;imshow(crop img _ 2);标题(r, FontSize ,16);
目标
其他
End3模拟结果正在上传…取消重新上传。
4参考文献[1]李罗。BP神经网络数字识别的Matlab实现[J].电子技术与软件工程,2019(20):2。
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。