【摘 要】
：
针对传统BP网络算法存在车牌字符识别速度慢和准确率低的问题,提出了一种SCG优化的BP神经网络车牌字符识别的算法。通过对BP神经网络的输入和算法进行改进实现提高神经网络对字符的识别效率。对输入的优化是使用主成分分析法进行车牌字符特征提取,将提取的特征作为BP神经网络的输入。对算法的优化是使用成比例共轭梯度下降法寻找网络最优连接权重。仿真实验表明,SCG-BP神经网络大幅度缩短识别时间并且提高了准确
论文部分内容阅读
针对传统BP网络算法存在车牌字符识别速度慢和准确率低的问题,提出了一种SCG优化的BP神经网络车牌字符识别的算法。通过对BP神经网络的输入和算法进行改进实现提高神经网络对字符的识别效率。对输入的优化是使用主成分分析法进行车牌字符特征提取,将提取的特征作为BP神经网络的输入。对算法的优化是使用成比例共轭梯度下降法寻找网络最优连接权重。仿真实验表明,SCG-BP神经网络大幅度缩短识别时间并且提高了准确率,确定隐含层神经元个数为110。该算法对车牌字符的识别率可以达到95%以上,取得结果达到预期,改进的算
其他文献
信息时代背景下,海量的知识正在快速地融入学科体系。学习对象除了单个知识点外,还有知识框架以及知识点间的隐含关联。在人工智能的推动下,不少知识图谱的研究成果成为了当下有利的辅助工具,这使得更多智能化的教学平台在学科领域内具有新的应用前景。论文以计算机学科为例,从构建和分析学科型知识图谱入手,结合目前新的教学需求,介绍一款基于知识图谱的多策略组卷系统。
针对于蚁群聚类算法在搬运数据项过程中随机选择移动位置时,由于无效移动导致的算法收敛速度缓慢等缺陷,论文提出了一种基于相似度的蚁群聚类算法。通过设计相似度矩阵,基于相似移动机制将蚂蚁随机移动方式优化为按照相似度矩阵规则实施目的性的关联。实验选取Iis、Wine、Haberman和Balance-scale四种经典数据集,相较于现有的LF算法及GACC算法,结果表明在蚂蚁空载率都为90%的条件下,论文提出的SMACC算法的迭代次数明显降低,均体现出较优的聚类速率。
在对RGB-D图像进行语义分割时,由于场景中存在着复杂的视觉信息,需要大量的像素级别标签数据,会耗费大量人力。论文提出了一种基于生成式对抗网络的方法。在此网络训练过程中,引入了半监督技术,来减少利用标签数据,同时保持良好的分割精度。其中分割器网络生成一个预测图,鉴别器网络输出一个置信度图,该图给出了来自标签图或分割器输出图的像素概率。此外论文还提出了一种新的损失函数,是基于距离变换和逐像素的交叉熵
传统图像识别过程多发生在环境较为稳定的室内场景中,而当前增强现实的发展趋向于对户外场景的应用,比如在旅游行业中对建筑、雕像等目标的识别。针对ARToolKit增强现实系统在户外自然场景下的图像分割过程因受到实时变化的光照、遮挡等因素的影响而出现错误分割导致增强现实效果难以实现的问题,提出一种基于直方图均衡化的改进GrabCut算法。采用直方图均衡化对图像非线性拉伸,提高图像对比度;对GrabCut
为了有效提高基于调用图的上下文敏感指针分析能力及其上的环消除算法的时间分析效率问题,提出一个新的上下文敏感的横向传播算法。该算法使用当前最优秀的基于包含的指针分析在线改进技术。首先对新约束图的定义进行说明,将其初始化;为了证明上下文敏感的横向传播算法能精确有效地对源程序进行上下文敏感的指针分析,引入实例进行论述;最后用CIL工具进行实验,实验证明上下文敏感的横向传播算法在分析大规模程序时的时间花费减少了9s左右。
动态蜜罐是一个即插即用的蜜罐系统,它通过监控和自学习实时的网络环境、收集网络中计算机的信息来自动地对蜜罐进行配置.为了进一步研究动态蜜罐系统的稳态可用性和安全性能
针对现有疲劳驾驶检测算法的准确率底、实用性差以及不能实时检测的问题,论文采用计算机视觉的方法首先利用Dlib提取眼部、嘴部、下巴周围的特征点的坐标,通过计算眼睛纵横比来实现瞌睡检测,并且类比眼睛纵横比提出一种用于哈欠检测的新方法—嘴部纵横比检测法,为了进一步判断驾驶员状态,论文进一步对驾驶员的注意力进行判断,一旦出现不安全行为,立马发出预警进行提醒,从而实现驾驶员疲劳及注意力检测。实验证明,该方法
为了提高车牌识别效率,论文提出了一种基于OpenCV与SVM的车牌识别方法。用Canny算子获取图像边缘轮廓信息,基于SURF算法对车牌进行特征提取,并结合HSV颜色空间来定位车牌位置;基于垂直投影方法来提取车牌字符特征,再利用SVM算法实现对车牌字符的识别。该方法利用计算机视觉库OpenCV实现,利用OpenCV封装的SURF算法和SVM算法实现车牌识别,实验表明,该方法有较高的识别效率。
针对地震信号难以分类识别问题,运用了粒子群优化算法(Particle Swarm Optimization,PSO)和支持向量机(Support Vector Machine,SVM)方法,建立了以小波包分解求出的奇异值熵分量为特征输入的PSO-SVM模型。实验中以天然地震和人工爆破这两类地震信号进行,为了验证方法,文中开展了两种类型的实验——分别以单份波形和整个事件为识别单元,仿真实验结果表明,
论文将两种传统的皮肤检测算法,基于RGB颜色空间的肤色检测法和基于椭圆皮肤模型的肤色检测,以及一种新的基于机器学习的皮肤检测算法进行了仿真与比较。