论文部分内容阅读
机器学习作为人工智能中的一个重要领域,已经被广泛应用于工业、商业、医疗、航天等行业,且获得了巨大的成功。2006年随着机器学习领域中一个被称作“深度学习”算法的诞生,使人工智能迎来了一波新的发展热潮。过去的2016年,深度学习更是迎来了井喷式的发展,全球领域内,各大高科技公司如苹果、谷歌、百度、微软等纷纷将深度学习视为下一个发展风口,投入了大量资源用于研究开发深度学习技术。 论文以深度学习中的深度信念网络(DBN)模型为核心进行了分析研究,设计了改进深度信念网络模型,并将其分别应用于车牌字符识别及板形识别中,分别设计了基于DBN的车牌字符识别模型以及基于ABC-DBN的板形识别模型。 首先,对DBN模型尤其是其中的RBM网络进行了深入的研究,并对DBN模型进行了一定改进。在DBN全局微调阶段引入了人工蜂群算法,设计了ABC-DBN模型。 其次,设计了基于DBN的车牌字符识别模型,根据所要识别的车牌字符数据设计了DBN分类器,完成了对车牌字符的识别,在仿真中通过将其与浅层网络模型的对比,得出基于深度学习的车牌识别模型其识别准确率得到了提高,并设计了一个车牌识别GUI界面,用于直观的表达该模型识别结果。 最后,设计了基于ABC-DBN的板形识别模型,并将其与传统的DBN板形识别模型进行了对比,通过仿真验证,表明改进后的模型具有更高的识别精度,是一种有效的板形识别方法。