基于人工神经网络的英文字母图像的识别.doc

摘要：从结构上来说，人工神经网络分为前向网络和反馈网络两种主要结构。可用于字母图像识别的单层感知器、BP网络都属于典型的前向网络，反馈网络主要是霍普菲尔德（Hopfield）网络。随着人工神经网络的发展，现如今其应用已经越来越广泛了，尤其是模式识别，信号处理等，其中人工神经网络在进行模式识别的时候还有一些传统技术达不到的优点:良好的容错能力、分类能力、并行处理能力和自学习能力，并且还有运行高速度，良好自适应能力，以及高分辨率。根据以上分析可知，既然单层感知器、BP网络和霍普菲尔德网络都能用于字符图像识别，那么我们可以采用单层感知器、BP网络以及霍普菲尔德（Hopfield）网络分别对26个英文字母进行识别，并通过理论分析及程序仿真给出各网络的识别出错率，从中也可以看出三种人工神经网络在字符图像识别中各自的优势和劣势，为选择神经网络进行字符识别提供重要依据。通过具体采用感知器网络、BP网络和霍普菲尔德反馈网络对26个英文字母进行识别的应用，通过理论分析以及以往的实验数据给出各自的识别出错率，并进行比较，得出这三种神经网络的识别能力以及各自的优缺点。而经理论实验的比较，霍普菲尔德网络不仅设计较为简单而且其容错性最后，所以在本文中将主要针对霍普菲尔德网络进行介绍。

本论文主要是讲人工神经网络以及霍普菲尔德网络的基本概念，以及MATLAB人工神经网络控制工具箱的使用方法，编程实现基于人工神经网络的英文字母图像的识别，并对含噪图像进行测试。本研究的目的在于采用MATLAB语言，对英文字母图像进行模式识别，并对含噪图像进行测试。

关键词：MATLAB  人工神经网络  Hopfield网络  图像识别

目录

摘要

ABSTRACT

1　引言-1

2　用于字母识别的人工神经网络的选定-3

2.1　人工神经网络简介-3

2.2　三种神经网络的对比-4

3　霍普菲尔德（Hopfield）网络介绍-6

3.1　Hopfield网络结构-6

3.2　Hopfield 网络的稳定性-7

3.3　Hopfield网络做联想存储器进行模式识别-7

3.4　网络吸引子的选择-8

3.5　应用于模式识别时的迭代收敛过程-10

4　英文字母图像的识别-12

4.1　选择标准样本做系统的吸引子-12

4.2 Hopfield网络的工作方式以及稳定性判断-14

4.3 实现英文字母图像识别的具体应用流程-15

5　MATLAB软件的介绍及应用-16

5.1　MATLAB软件简介-16

5.2　MATLAB的应用-17

6　MATLAB设计与实现-21

6.1　相关的MATLAB函数介绍-21

6.2　网络建立-21

7　结束语-24

致 谢-25

参考文献-26