论文部分内容阅读
识别活动是人类的基本活动,人们希望机器能代替人类进行识别工作,因此模式识别的理论和方法引起了人们极大的兴趣并进行了长期的研究,现已发展成一门多学科交叉的学科。针对不同的对象和不同的目的,可以用不同的模式识别理论、方法。而人工神经网络能较好地模拟人的形象思维,而且由于具有大规模并行协同处理能力、较强的容错能力和联想能力以及较强的学习能力,所以将神经网络方法运用到模式识别中去解决识别问题已成为国内外科技工作者广泛关注的热点。 本文首先对模式识别、神经网络的发展概况以及应用神经网络来进行模式识别的历史渊源等方面作了较为详细的介绍,然后分析了模式识别的一些基本概念、方法,指出了其困难和要求,同时给出了神经网络进行模式识别的方法,并比较它与传统方法的异同,说明了神经网络方法进行模式识别的特点与优越性;着重研究了神经网络模式识别系统的第一个关键问题,即模式的预处理和特征提取,重点分析了PCA的理论实现基础K-L变换和实现PCA的方法步骤;在此基础上,本文接着详细研究了神经网络进行模式识别的底层理论基础,从而说明了其实现的可行性;然后给出了本文核心即BP神经网络模式分类器的实现思想。运用上述研究成果,成功地开发与设计了一个具体的神经网络模式识别系统,即自动售货机系统,借助于MATLAB,用改进的BP算法对研制的样机进行了样本训练并完成了神经网络结构设计。对样机进行实验室测试表明其运行稳定、纸币识别率较高,具有较大的实用价值,表明了本文研发成果的有效性。