【图像识别】基于BP神经网络实现手写字母识别matlab源码

一、简介

基于matlab GUI界面BP网络之手写体大写字母识别

人工神经网络概述：

人工神经元模型：

神经网络的分类：

按照连接方式，可以分为：前向神经网络 vs. 反馈(递归)神经网络；

按照学习方式，可以分为：有导师学习神经网络 vs. 无导师学习神经网络；

按照实现功能，可以分为：拟合(回归)神经网络 vs. 分类神经网络。

数据归一化：将数据映射到[0, 1]或[-1, 1]区间或其他的区间。

数据归一化的原因：

1.输入数据的单位不一样，有些数据的范围可能特别大，导致的结果是神经网络收敛慢、训练时间长。
2.数据范围大的输入在模式分类中的作用可能会偏大，而数据范围小的输入作用就可能会偏小。
3.由于神经网络输出层的激活函数的值域是有限制的，因此需要将网络训练的目标数据映射到激活函数的值域。例如神经网络的输出层若采用S形激活
函数，由于S形函数的值域限制在(0,1)，也就是说神经网络的输出只能限制在(0,1)，所以训练数据的输出就要归一化到[0,1]区间。
4.S形激活函数在(0,1)区间以外区域很平缓，区分度太小。例如S形函数f(X)在参数a=1时，f(100)与f(5)只相差0.0067。
归一化算法：
1.y = ( x - min )/( max - min )；
2.y = 2 * ( x - min ) / ( max - min ) - 1。

部分函数：

参数对BP神经网络性能的影响：

隐含层神经元节点个数

激活函数类型的选择

学习率

初始权值与阈值

交叉验证

训练集

测试集

验证集

留一法

二、源代码

登录后复制

%Example1 手写体大写字母识别
%形成用户界面
clear all;
%添加图形窗口
H=figure('Color',[0.8 0.8 1],...
    'position',[400 300 500 400],...
    'Name','基于BP神经网络的手写体大写字母识别',...
    'NumberTitle','off',...
    'MenuBar','none');
%画坐标轴对象，显示原始图像
h0=axes('position',[0.1 0.6 0.3 0.3]);
%添加图像打开按钮
h1=uicontrol(H,'Style','push',...
    'Position',[350 300 80 60],...
    'String','选择图像',...
    'FontSize',14,...
    'Call','op');
%画坐标轴对象，显示经过预处理之后的图像
%preprocess
p1=ones(16,16);
bw=im2bw(X,0.5);%转换成二值图像
%用矩形框截取图像
[i,j]=find(bw==0);
imin=min(i);
imax=max(i);
jmin=min(j);
jmax=max(j);
bw1=bw(imin:imax,jmin:jmax);

• 1.
• 2.
• 3.
• 4.
• 5.
• 6.
• 7.
• 8.
• 9.
• 10.
• 11.
• 12.
• 13.
• 14.
• 15.
• 16.
• 17.
• 18.
• 19.
• 20.
• 21.
• 22.
• 23.
• 24.
• 25.
• 26.
• 27.
• 28.

三、运行结果

​