《實驗七：基于神經(jīng)網(wǎng)絡的模式識別實驗.doc》由會員分享，可在線閱讀，更多相關《實驗七：基于神經(jīng)網(wǎng)絡的模式識別實驗.doc（19頁珍藏版）》請在裝配圖網(wǎng)上搜索。

實驗七：基于神經(jīng)網(wǎng)絡的模式識別實驗 一、 實驗目的 理解BP神經(jīng)網(wǎng)絡和離散Hopfield神經(jīng)網(wǎng)絡的結構和原理，掌握反向傳播學習算法對神經(jīng)元的訓練過程，了解反向傳播公式。通過構建BP網(wǎng)絡和離散Hopfield網(wǎng)絡模式識別實例，熟悉前饋網(wǎng)絡和反饋網(wǎng)絡的原理及結構。 綜合掌握模式識別的原理，了解識別過程的程序設計方法。 二、 實驗內(nèi)容 熟悉模式識別的理論方法，用選擇一種合適的識別方法，對圖像中的字符（英文字母）進行識別，能夠區(qū)分出不同的形態(tài)的26個字母。 在Matlab中，采用BP神經(jīng)網(wǎng)絡，對讀取的數(shù)據(jù)進行訓練，進而識別。 1. 程序設計 (1)程序各流程圖 實驗中主程序流程圖如圖4-1所示： 圖4-1 主程序流程圖 其中圖像預處理的流程如圖4-2 所示： 圖像輸入 灰度轉化 圖像二值化 圖像分割 歸一化調(diào)整 調(diào)整比例 顯示預處理結果 圖4-2 圖像預處理的流程 神經(jīng)網(wǎng)絡訓練的具體流程如圖4-3 所示： 獲取圖像數(shù)據(jù) 創(chuàng)建神經(jīng)網(wǎng)絡 訓練 存儲訓練好的神經(jīng)網(wǎng)絡 圖4-3 神經(jīng)網(wǎng)絡訓練流程 (2)程序清單 %形成用戶界面 clear all; %添加圖形窗口 H=figure(Color,[0.85 0.85 0.85],... position,[400 300 500 400],... Name,基于BP神經(jīng)網(wǎng)絡的英文字母識別,... NumberTitle,off,... MenuBar,none); %畫坐標軸對象，顯示原始圖像 h0=axes(position,[0.1 0.6 0.3 0.3]); %添加圖像打開按鈕 h1=uicontrol(H,Style,push,... Position,[40 100 80 60],... String,選擇圖片,... FontSize,10,... Call,op); %畫坐標軸對象，顯示經(jīng)過預處理之后的圖像 h2=axes(position,[0.5 0.6 0.3 0.3]); %添加預處理按鈕 h3=uicontrol(H,Style,push,... Position,[140 100 80 60],... String,二值化,... FontSize,10,... Call,preprocess); %添加識別按鈕 h4=uicontrol(H,Style,push,... Position,[240 100 80 60],... String,字母識別,... FontSize,10,... Call,recognize); %添加顯示識別結果的文本框 %添加訓練神經(jīng)網(wǎng)絡按鈕 h6=uicontrol(H,Style,push,... Position,[340 100 80 60],... String,網(wǎng)絡訓練,... FontSize,10,... Call,Example1Tr); %預處理 %preprocess p1=ones(16,16); bw=im2bw(X,0.5);%轉換成二值圖像 %用矩形框截取圖像 [i,j]=find(bw==0); imin=min(i); imax=max(i); jmin=min(j); jmax=max(j); bw1=bw(imin:imax,jmin:jmax); %調(diào)整比例，變換成16*16圖像 rate=16/max(size(bw1)); bw1=imresize(bw1,rate); [i,j]=size(bw1); i1=round((16-i)/2); j1=round((16-j)/2); p1(i1+1:i1+i,j1+1:j1+j)=bw1; p1=-1.*p1+ones(16,16); %顯示預處理的結果 axes(h2); imshow(p1); %Example1Tr，訓練網(wǎng)絡 M=1;%人數(shù) N=26*M;%樣本數(shù) %獲取26個大寫字母圖像的數(shù)據(jù) for kk=0:N-1 p1=ones(16,16);%初始化16*16的二值圖像（全白） m=strcat(int2str(kk),.bmp);%形成文件名 x=imread(m,bmp);%讀取圖像 bw=im2bw(x,0.5);%轉換成二值圖像數(shù)據(jù) %用矩形框截取 [i,j]=find(bw==0);%查找像素為黑的坐標 %取邊界坐標 imin=min(i); imax=max(i); jmin=min(j); jmax=max(j); bw1=bw(imin:imax,jmin:jmax);%截取 %調(diào)整比例，縮放成16*16的圖像 rate=16/max(size(bw1)); bw1=imresize(bw1,rate);%會存在轉換誤差 %將bw1轉換成標準的16*16圖像p1 [i,j]=size(bw1); i1=round((16-i)/2); j1=round((16-j)/2); p1(i1+1:i1+i,j1+1:j1+j)=bw1; p1=-1.*p1+ones(16,16); %將p1轉換成輸入向量 for m=0:15 p(m*16+1:(m+1)*16,kk+1)=p1(1:16,m+1); end end %形成目標向量 for kk=0:M-1 for ii=0:25 t(kk+ii+1)=ii; end end %設置輸入向量范圍 pr(1:256,1)=0; pr(1:256,2)=1; %創(chuàng)建兩層BP神經(jīng)網(wǎng)絡，隱層有25個節(jié)點 net=newff(pr,[25 1],{logsig purelin},traingdx,learngdm); net.trainParam.epochs=2500; net.trainParam.goal=0.001; net.trainParam.show=10; net.trainParam.lr=0.05; %訓練神經(jīng)網(wǎng)絡 net=train(net,p,t); %存儲訓練好的神經(jīng)網(wǎng)絡 %recognize，字符識別 %生成向量形式 M=figure(Color,[0.75 0.75 0.75],... position,[200 200 400 200],... Name,基于BP神經(jīng)網(wǎng)絡的英文字母識別結果,... NumberTitle,off,... MenuBar,none); M0=uicontrol(M,Style,push,... Position,[150 80 130 40],... String,請先訓練網(wǎng)絡,... FontSize,12,... call,delete(M(1)) ); for m=0:15 q(m*16+1:(m+1)*16,1)=p1(1:16,m+1); end %識別 [a,Pf,Af]=sim(net,q); a=round(a); switch a case 0,M0=uicontrol(M,Style,push,... Position,[150 80 130 40],... String,這個字母是A,... FontSize,12,... call,... delete(M(1))); case 1,M0=uicontrol(M,Style,push,... Position,[150 80 130 40],... String,這個字母是B,... FontSize,12,... call,... delete(M(1))); case 2,M0=uicontrol(M,Style,push,... Position,[150 80 130 40],... String,這個字母是C,... FontSize,12,... call,... delete(M(1))); case 3,M0=uicontrol(M,Style,push,... Position,[150 80 130 40],... String,這個字母是D,... FontSize,12,... call,... delete(M(1))); case 4,M0=uicontrol(M,Style,push,... Position,[150 80 130 40],... String,這個字母是E,... FontSize,12,... call,... delete(M(1))); case 5,M0=uicontrol(M,Style,push,... Position,[150 80 130 40],... String,這個字母是F,... FontSize,12,... call,... delete(M(1))); case 6,M0=uicontrol(M,Style,push,... Position,[150 80 130 40],... String,這個字母是G,... FontSize,12,... call,... delete(M(1))); case 7,M0=uicontrol(M,Style,push,... Position,[150 80 130 40],... String,這個字母是H,... FontSize,12,... call,... delete(M(1))); case 8,M0=uicontrol(M,Style,push,... Position,[150 80 130 40],... String,這個字母是I,... FontSize,12,... call,... delete(M(1))); case 9,M0=uicontrol(M,Style,push,... Position,[150 80 130 40],... String,這個字母是J,... FontSize,12,... call,... delete(M(1))); case 10,M0=uicontrol(M,Style,push,... Position,[150 80 130 40],... String,這個字母是K,... FontSize,12,... call,... delete(M(1))); case 11,M0=uicontrol(M,Style,push,... Position,[150 80 130 40],... String,這個字母是L,... FontSize,12,... call,... delete(M(1))); case 12,M0=uicontrol(M,Style,push,... Position,[150 80 130 40],... String,這個字母是M,... FontSize,12,... call,... delete(M(1))); case 13,M0=uicontrol(M,Style,push,... Position,[150 80 130 40],... String,這個字母是N,... FontSize,12,... call,... delete(M(1))); case 14,M0=uicontrol(M,Style,push,... Position,[150 80 130 40],... String,這個字母是O,... FontSize,12,... call,... delete(M(1))); case 15,M0=uicontrol(M,Style,push,... Position,[150 80 130 40],... String,這個字母是P,... FontSize,12,... call,... delete(M(1))); case 16,M0=uicontrol(M,Style,push,... Position,[150 80 130 40],... String,這個字母是Q,... FontSize,12,... call,... delete(M(1))); case 17,M0=uicontrol(M,Style,push,... Position,[150 80 130 40],... String,這個字母是R,... FontSize,12,... call,... delete(M(1))); case 18,M0=uicontrol(M,Style,push,... Position,[150 80 130 40],... String,這個字母是S,... FontSize,12,... call,... delete(M(1))); case 19,M0=uicontrol(M,Style,push,... Position,[150 80 130 40],... String,這個字母是T,... FontSize,12,... call,... delete(M(1))); case 20,M0=uicontrol(M,Style,push,... Position,[150 80 130 40],... String,這個字母是U,... FontSize,12,... call,... delete(M(1))); case 21,M0=uicontrol(M,Style,push,... Position,[150 80 130 40],... String,這個字母是V,... FontSize,12,... call,... delete(M(1))); case 22,M0=uicontrol(M,Style,push,... Position,[150 80 130 40],... String,這個字母是W,... FontSize,12,... call,... delete(M(1))); case 23,M0=uicontrol(M,Style,push,... Position,[150 80 130 40],... String,這個字母是X,... FontSize,12,... call,... delete(M(1))); case 24,M0=uicontrol(M,Style,push,... Position,[150 80 130 40],... String,這個字母是Y,... FontSize,12,... call,... delete(M(1))); case 25,M0=uicontrol(M,Style,push,... Position,[150 80 130 40],... String,這個字母是Z,... FontSize,12,... call,... delete(M(1))); End %op %讀取圖像文件 [filename,pathname]=uigetfile({*.bmp;*.jpg;... *.gif;*.*},... Pick an Image File); X=imread([pathname,filename]); %顯示圖像 axes(h0);%將h0設置為當前坐標軸句柄 imshow(X);%在h0上顯示原始圖像 2. 實驗結果 圖5-1為實驗的主窗口，用于選擇圖片，進行二值化，網(wǎng)絡訓練和字符識別。運行程序后，將彈出次窗口，選擇圖片后，先進行二值化處理，然后在進行網(wǎng)絡訓練，最后字符識別。 圖5-1 主窗口 圖5-2 網(wǎng)絡訓練 圖5-3 字符識別結果 三、 實驗體會 理解了BP神經(jīng)網(wǎng)絡和離散Hopfield神經(jīng)網(wǎng)絡的結構和原理，掌握了反向傳播學習算法對神經(jīng)元的訓練過程，了解了反向傳播公式。通過構建了BP網(wǎng)絡和離散Hopfield網(wǎng)絡模式識別的實例，熟悉了前饋網(wǎng)絡和反饋網(wǎng)絡的原理及結構。掌握了模式識別的原理，了解了識別過程的程序設計方法。