改进BP神经网络在模式识别中的应用及研究.pdf

南京理工大学

硕士学位论文

改进BP神经网络在模式识别中的应用及研究

姓名：周凌翱

申请学位级别：硕士

专业：模式识别与智能系统

指导教师：曹国

20100620
摘要关键词：模式识别，人工神经网络，BP算法，遗传算法人工神经网络具有强大的非线性映射能力，已经被应用于模式识别、智能控制、使得其在解决复杂的非线性问题时有独特的功效，成为国内外广泛关注的热点。本文首先详细介绍了应用神经网络进行模式识别的发展概况，通过与传统模式识别的比较，得出神经网络模式识别的优越性。网络，通过对其关键技术及算法的研究，针对BP算法的不足，提出了BP算法的启发式改进，同时，通过对遗传神经网络模型及其算法进行分析和研究，针对遗传算法本文结合遗传算法对BP算法进行优化，建立了改进的GA．BP神经网络模型。开发了基于GA—BP算法的遗传BP神经网络模式识别系统，并投入实际应用。并利用该模型对两个实际的模式识别问题进行了模式分类训l练和测试，结果表明GA，BP算法有效克服了网络训练时容易陷入局部极小值，导致网络训练失败的缺陷，提高了图像处理以及时间序列分析等各种领域，它特有的自组织、自学习和高容错性等功能针对已有的神经网络模式识别系统，本文介绍了该系统中使用最广泛的BP神经的主要缺陷介绍了几种常用的改进类型。最后，充分利用VC++和MATLAB两种语言的各自优势，进行混合编程，设计系统的泛化能力。硕士论文改进BP神经嘲络在模式识别中的应用及研究
Algorithm，AlgorithmWords：PatternAbstractNetwork，whichRecognitionnetworkmanyintroducesandlanguages，VC++andMATLAB，thistraining，andKeyhasfieldsPatternRecognition，artificialfault．tolerant，itproblems，abroad．ThisfirstthepatternsuperioritypattemThenNetworkthesisstudyingalgorithmofAlgorithm．Meanwhile，byBPalgorithm，weaimingAlgorithm．combinedwithmodifiedModel．twoprogrammingdesignsNeuralSystemintoactualrecognitionproblems．ThethatfailureminimumimproveAlgorithm，Genetic硕上论文Artificialgreatnonlinearmappingabilityitbeenwidelyusedinsuchcontrolling，imageprocessing，tinaeseriesanalyst．Havingspecialfunctionslikeself-organization，self-studyingparticulareffectswhenprocessingcomplicatedhotspothomedevelopmentusingdetailsgettraditionalmethods．basisexistingsystem，theismostsystem．BycriticaltechnologyfocusingdisadvantagewebringheuristicimprovementanalyzingGeneticmodelitsintroduceseveralcommontypesimprovementsmaindefectionimprovest11eestablishesGA．BPFinally．bytakingadvantagebasedproposedputsoperation．Thecarr--ytrainingtestingexperimentalresultsindicatedealproblembecausepartialduringgeneralizingability．Recognition,ArtificialNetwork，BPAl_oorithmattooutasSOoveroncanno
同历釉研究生签名：j虱垄勤刚活粕加矽年占月媚油年1cf月功日声明学位论文使用授权声明本学位论文是我在导师的指导下取得的研究成果，尽我所知，在本学位论文中，除了加以标注和致谢的部分外，不包含其他人已经发表或公布过的研究成果，也不包含我为获得任何教育机构的学位或学历而使用过的材料。与我一同工作的同事对本学位论文做出的贡献均已在论文中作了明确的说明。南京理工大学有权保存本学位论文的电子和纸质文档，可以借阅或上网公布本学位论文的部分或全部内容