基于MATLABGUI的BP神经网络手写字体识别系统_BP算法推导 - CSDN文库

bp神经网络算法

182 浏览量更新于2023-03-03 评论 10 收藏 60KB PDF 举报

身份认证购VIP最低享 7 折!

领优惠券(最高得80元）

资源详情

资源评论

资源推荐

基于基于MATLAB GUI的的BP神经网络手写字体识别系统神经网络手写字体识别系统

随着社会的发展，手写体数字识别得到了日益广泛的应用，因此有大量的手写体数字文档整理、查询、统计的工作需要完成,

而手写体数字文档识别系统可以轻而易举地完成很多以前难以想象的工作。本系统所设计的手写体数字识别系统包括输入图

片、归一化、特征提取、识别等部分,本文所用到的手写体数字样本都是在Windows自带的画图板中手写输入获得的。首先采

用MATLAB的imread.m函数读取手写体数字图像,因为字母图像还没有达到提取特征和输入识别的要求,本文中采用自定义的归

一化算法进行图像预处理,将灰度化、二值话图像归一化处理,再用逐像素特征提取法提取数字特征。预处理后将提取到的数字

特征进行编码作为神经网络的输入。抽取输入样本的特征向量,对BP神经网络进行训练,然后将另外的样本输入到训练好的网络

中,就可以根据网络的输出得到识别结果,并且本文的识别系统在MATLAB环境下进行了仿真模拟。

threshold=minmax(p_train);

net=newff(threshold,[20,1],{‘tansig’,‘purelin’},‘trainlm’);

net.trainParam.epochs=25000;

net.trainParam.goal=0.06;

net.trainParam.show=50;

net.trainParam.lr=0.005;

net.numInputs=45;

net=train(net,p_train,t_train);

net=handles.net;

a=sim(net,p’);

a=round(a(1));

switch (a)

case 0

result=‘0’;

case 1

result=‘1’;

case 2

result=‘2’;

case 3

result=‘3’;

case 4

result=‘4’;

case 5

result=‘5’;

case 6

result=‘6’;

case 7

result=‘7’;

case 8

result=‘8’;

case 9

result=‘9’;

end

本内容试读结束，登录后可阅读更多

下载后可阅读完整内容，剩余1页未读，立即下载

评论0

weixin_38740596

粉丝: 3
资源: 987

会员权益专享

图片转文字

全年可省5，000元立即开通

最新资源

资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！点击此处反馈