论文部分内容阅读
人类对物体的识别,尤其对人造物体,95%是对其外形的识别,因此形状识别是模式识别研究的一个重要领域。联想记忆神经网络经过多年的研究,目前的研究热点是联想记忆网络的应用研究问题。本课题针对联想记忆网络形状识别系统应用中出现的若干关键问题进行了深入研究。 联想记忆网络在应用中的第一个问题是由于联想记忆网络要求输入信号必须是二值的,而特征矢量通常以实值分量出现,它不能直接用作联想记忆网络的输入,因此输入之前必须编码,所以第一个问题是采用何种方法进行编码。由于联想记忆网络是复杂的动力学过程,其稳定状态不仅是所记忆的状态,也可能是伪状态,所以第二个问题是如何明确表达其输出的含义。第三个问题是如何进行学习样本选择,以提高形状识别系统的识别正确率。 对于输入编码问题,针对目前常用的基于阈值的二值法的局限性,我们提出了基于邻域统计信息的峰值检测算法。对于输出含义表达问题,我们提出了基于模式相似度的联想记忆网络输出判决法解决这个问题。对于样本选择问题,我们在进行了多种方案的比较实验并在这些工作的基础上提出了基于聚类和多类别综合判决的样本方法。 经过实验验证,以上方法可以比较有效的解决上述问题。以上问题的解决对应用联想记忆神经网络形状识别系统解决实际问题具有很大的意义。 在实际应用中我们发现对于实际的识别问题,如果单单利用模式的一个特征进行识别,效果并不是很理想。对于待识别的形状图像,经过Hough变换预处理后可以得到峰值个数,峰值初始位置,峰值间隔三个特征。我们在应用过程中提出的第四个问题是如何综合利用模式的这三个特征进行识别,以提高识别正确率。对于该问题,我们提出了基于信息融合技术的形状识别系统的方案,并初步实现了该系统。经过实验验证,该系统有效的提高了系统的识别率。