《基于神经网络的数字识别》开题报告Word文档下载推荐.doc
《《基于神经网络的数字识别》开题报告Word文档下载推荐.doc》由会员分享，可在线阅读，更多相关《《基于神经网络的数字识别》开题报告Word文档下载推荐.doc（9页珍藏版）》请在冰豆网上搜索。
在车牌识别、字符识别、红外图像识别、遥感图像识别中发挥了举足轻重的作用。
不仅如此，作为人工神经网络在医学图像处理中，意义也是十分重大的。
举例说明，通过对医学影片获取的图像，如CT、核磁共振成像等，进行特征纹理提取，然后输入训练好的神经网络，从得到的输出判别出相应的病症，在临床上可作为医师治疗和诊断的辅助。
本课题拟采用MATLAB对经典BP神经网络算法进行仿真。
实现信号（图像）的区分。
并针对之前提出的算法中的问题进行改进。
最后会针对传统的BP神经网络算法的结果，以及我们新提出的改进进行比较。
预计BP神经网络经过新的改进将使识别的准确率大大提高。
二、文献综述（国内外相关研究现况和发展趋向）
1、人工神经网络国内外研究状况
随着人工神经网络20世纪80年代在世界范围内的复苏,国内也逐步掀起了研究热潮。
1989年10月和11月分别在北京和广州召开了神经网络及其应用讨论会和第一届全国信号处理—神经网络学术会议；
1990年2月由国内八个学会（中国电子学会、人工智能学会、自动化学会、通信学会、物理学会、生物物理学会和心理学会）联合在北京召开“中国神经网络首届学术会议”。
这次大会以“八学会联盟，探智能奥秘”为主题，收到了300多篇学术论文，开创了中国人工神经网络及神经计算机方面科学研究的新纪元。
经过十几年的发展，中国学术界和工程界在人工神经网络的理论研究和应用方面取得了丰硕成果，学术论文、应用成果和研究人员逐年增加。
在国际上，1987年,在美国加洲召开了第一届国际神
经网络学会。
此后每年召开两次国际联合神经网络大会（IJCNN）。
不久，该学会创办了刊物JournalNeu2ralNetworks，另有十几种国际著名的神经网络学术刊物相继问世。
至此，神经网络理论研究在国际学术领域获得了其应有的地位。
2、神经网络的发展与展望
经过近半个世纪的发展，神经网络理论在模式识别、自动控制、信号处理、辅助决策、人工智能等众多研究领域取得了广泛的成功。
关于学习、联想和记忆等具有智能特点过程的机理及其模拟方面的研究正受到越来越多的重视。
目前神经网络研究与发展主要集中在以下5个方面。
2.1
神经生理学、神经解剖学研究的发展
通过神经网络研究的发展，人们对人脑一些局部功能的认识已经有所提高，如对感知器的研究，对视觉处理网络的研究，对存储与记忆问题的研究等都取得一定的成功。
遗憾的是，这些成功一方面还远不够完善，另一方面，在对人脑作为一个整体的功能的解释上几乎起不到任何作用。
科学家已经积累了大量关于大脑组成、大脑外形、大脑运转基本要素等知识，但仍无法解答有关大脑信息处理的一些实质问题。
人脑的知觉和认知等过程是包含着一个复杂的动态系统中对大量神经元活动进行整合的统一性行动。
由于人们对人脑完整工作过程几乎没有什么认识，连一个稍微完善的可令人接受的假设也没有，这造成神经网络研究始终缺乏一个明确的大方向。
这方面如果不能有所突破，神经网络研究将始终限于模仿人脑局部功能的缓慢摸索过程当中，而难以达到研究水平的质的飞跃。
2.2与之相关的数学领域的研究与发展
神经元以电为主的生物过程在认识上一般采用非线性动力学模型，其动力学演变过程往往是非常复杂的，神经网络这种强的生物学特征和数学性质，要求有更好的数学手段。
而对解决非线性微分方程这样的问题，稍微复杂一些的便没有办法利用数学方法求得完整的解。
这使得在分析诸如一般神经网络的自激振荡、稳定性、混沌等问题时常常显得力不从心，更不用说，当我们面对人脑这样的由成千上万个神经元网络子系统组成的巨系统，而每个子系统（具有某种特定功能）又可能由成千上万个神经元组成，每个神经元本身是一个基本的非线性环节。
因此，当今神经网络理论的发展，已经客观要求有关数学领域必须有所发展，并大胆预期一种更简洁、更完善和更有效的非线性系统表达与分析的数学方法是这一领域数学发展的主要目标之一。
2.3
神经网络应用的研究与发展
从神经网络发展过程看，理论研究经常走在前列，有时会超出实际使用阶段。
虽然说理论研究和实际应用可以相辅相成，但实际需求总是科技发展的主要推动力。
目前，在神经网络实用上，虽然有不少实际应用成果报道，如智能控制、模式识别及机器人控制等。
但真正成熟的应用还比较少见。
2.4
神经网络硬件的研究与发展
要真正实现神经网络计算机，则神经网络芯片设计与生产技术必须有实质性的进展。
目前，在单片上集成数百个神经元的制作技术已经没有困难，但这种水平与神经网络实际应用的要求尚有较大距离。
神经网络硬件设计和理论研究相比，要落后很多。
因此，这也是神经网络研究发展的重要方向之一。
在这方面，光学技术是实现神经网络及神经计算机的一个比较理想的选择。
因为光学技术具有非常好的固有特性，主要体现在：
高驱动性、较高的通信带宽、以光速并行传递信息等。
虽然光学神经计算机实现技术目前还不成熟，其商品化大规模实现还有待时日，但一些光学神经元器件、光电神经计算机研究已表现出广阔的发展和应用潜力，并引起相应领域的充分关注。
2.5
新型神经网络模型的研究
为了推动神经网络理论的发展，除了期待神经生理学等研究突破外，将神经网络与其他理论交叉结合，研究新型神经网络模型，也是神经网络研究发展方向之一。
如将之与混沌理论相结合产生的混沌神经网络理论；
再如将量子力学与神经网络的结合，研究量子神经网络，实现功能强大的量子神经计算就是目前神经网络研究的热点之一。
三、拟采取的研究方法（方案、技术路线等）和可行性论证
拟采用神经网络对信号（数字图像）进行识别。
为了与以前提出的神经网络识别方法做有效比较，样本空间均采用自制的相同的样本空间。
使用相同的样本空间对以前的方法以及新提出的方法进行训练。
识别时所采用的数据也均是相同的，在此基础上分别统计两种方法是别的准确率。
从而验证新提出的方法相比以前的常规做法，可以使得识别的正确率大大提高。
输入一个图像
5
6
8
7
9
是否是5
1
2
是否是0
3
4
判断是不是0、1
判断是不是8
判断是不是3
判断是不是0、1、2
判断是不是5、6
判断是不是5、6、7
判断是不是0、1、2、3、4
在此次研究中，样本采用8*8像素的数字图像，一个样本图像中，有数字的像素点为1，没有数字的像素点为0，即可将图像转换成64位的二值向量（因为本设计不考虑计算时间，不再提取特殊的特征值向量），直接将图像的64位特征值向量作为输入。
本设计采用二分法，即采用是非判断，设计一个树形的神经网络。
结构图如图所示：
YN
YNYN
NN
YYNYYN
YNYN
此神经网络是4级神经网络，采用是非判断，每个子网络都只有一层隐含层，在训练过程中只对相应的网络做相对应的训练（训练采用的是64位全特征向量），在准确率上有所提高，并且运算速度较快。
四、预期结果（或预计成果）
经过改进的神经网络算法可将传统算法的识别准确率大大提高。
五、研究进度安排
2014年3月10日----2014年3月15日，学习神经网络基本知识；
2014年3月15日----2014年3月20日，针对课题进行分析，初步构思方案；
2014年3月20日----2014年3月25日，查阅相应的技术文献，完备方案；
2014年3月25日----2014年3月30日，写出设计流程；
2014年4月1日----2014年4月8日，根据设计流程进行具体设计；
2014年4月9日----2014年4月12日，进行数据模型的搭建；
2014年4月13日----2014年4月15日，根结果进行相应的分析；
2014年4月15日----2014年4月30日，初步完成论文；
2014年5月1日----2014年5月10日，对论文进行修改；
2014年5月11日----2014年5月15日，最终完成论文。
六、主要参考文献
[1]周品.MATLAB神经网络设计与应用[M].北京:
清华大学出版社,2013
[2]陈明.MATLAB神经网络原理与实例讲解[M].北京:
[3]李连胜.基于神经网络的手写数字识别技术研究[J].中南大学,2008
[4]李望晨.BP神经网络改进及其在手写数字识别中的应用[J].哈尔滨工业大学,2006
[5]张珍荣.印刷数字识别系统研究与设计[J].江西理工大学,2012
[6]张伟,何金国.Hu不变矩的构造与推广[N].中央民族大学,2010
[7]赵建民,朱信忠,殷建平,徐慧英.基于特征提取和BP神经网络相结合的车牌字符识别技术[J].国防科技大学
[8]江治国,李翔,陈小林.Hu不变矩特征在道路交通标志识别系统中的应用[N].井冈山大学学报,2013
[9]吴小坤.基于神经网络的手写数字字符的识别[J].北京邮电大学,2010
[10]巨军让,卓戎.BP神经网络Matlab中的方便实现[N].新疆石油学院学报,2008
[11]闻新,周露,王丹力,熊晓英.MATLAB神经网络应用设计[M].科学出版社,2001
[12]张玲,张钹.人工神经网络理及应用[M].浙江:
浙江科技大学出版社,1997
[13]楼顺天等.基于Matlab的系统分析与设计---神经网络[M].西安:
西安电子科技大学出版社,2000
[14]王士同.模糊系统、模糊神经网络及应用程序设计[M].上海:
上海科学技术文献出版社,1998
[15]张立明.人工神经网络模型及其应用[M].上海:
复旦大学出版社,1992
[16]丛爽.面向MATLAB工具箱的神经网络理论与应用[M].合肥:
中国科学技术大学出版社,1998
[17]吴简彤,王建华.神经网络技术及其应用[M].哈尔滨:
哈尔滨工业大学出版社,1988
[18]叶飞.基于整体特征的数字字符识别在自动车牌识别系统中的研究与应用[J].山东大学,2006
[19]徐峰,卢建刚,孙优贤.神经网络在图像处理中的应用[J].浙江大学工控技术国家重点实验室,2003
[20]孙翼.车标自识别系统算法研究[J].上海交通大学,2013
[21]杨建
升级会员 