基于bp神经网络的字符识别,matlab神经网络字母识别

  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。

留言与评论(共有 条评论)
   
验证码: