基于BP神经网络点状地图符号模式识别.pdfVIP

基于BP 神经网络的点状地图符号模式识别 魏钜杰，朗杨 辽宁工程技术大学测绘与地理科学学院，辽宁阜新 (123000) E-mail：wjj1112@163.com 摘 要：本文采用三层BP 神经网络模型，对点状地图符号自动识别进行了研究，设计了点 状地图符号自动识别流程，讨论了BP 神经网络的数据获取、BP 神经网络的构建、BP 神经 网络训练及训练函数的选取以及BP 神经网络的识别。通过实验检验，BP 神经网络对点状 地图符号的识别精度能达到80%以上，证明了BP 神经网络对点状地图符号符号的识别是可 靠的。 关键词：点状地图符号，BP 神经网络，模式识别 中图分类号：P2 1. 引言 地图模式识别是目前制图自动化的一个重点研究方向，利用计算机从扫描地形图上识别 和提取地图信息为地图数字化开辟了新的途径[1] 。本文提出了一套完整的基于BP 神经网络 识别点状地图符号的流程。重点阐述了BP 神经网络的数据获取、BP 神经网络的构建、BP 神经网络训练及训练函数的选取、BP 神经网络的识别。在反复试验的基础上实现了基于BP 网络的点状地图符号的简单、快速识别。 下面是利用BP 神经网络进行点状地图符号识别的设计流程图： 图1 识别流程 2. 网络模型分析 BP 算法的基本思想：根据网络实际输出与期望输出的误差，从输出层开始，反过来调 整网络的权值，最终使输出的均方误差最小。具体地说，对于输入值，要求先向前传播到隐 节点，经作用函数作用后，再把隐节点的输出信息传播到输出节点，最后给出输出值。节点 [2] 的作用函数通常是选择S 型函数，其表达式如下 ： 1 f (net ) (2-1) i −net i 1+e Q0 Q0 代表神经元的温度，温度越高，sigmoid 函数变化越平缓，温度对收敛性和收敛速度 的影响非常大，对于不同的输入节点，温度的要求各不同，没有现有的规律可循。 1 n 2 网络误差采用均方差： Ep ∑(tpj −opj ) (2-2) 2 j 1 - 1 - 图2 sigmoid 函数 式中Ep 是第p 个样本的误差，tpj 是第j 个输出神经元的期望值，opj 是第j 个输出神 经元的实际值，网络的权沿E 的梯度方向下降，权值改正的微分方程为： p ∆w ηδ o