五种人民币序列号识别算法抗噪能力比较①.PDFVIP

2016 年 第 25 卷 第 8 期 计 算 机 系 统 应 用 五种人民币序列号识别算法抗噪能力比较① 刘小波, 崔桂华, 李长军, 钱祥忠, 严 旭 (温州大学 物理与电子信息工程学院, 温州 325035) 摘 要: 为了比较不同的人工神经网络算法识别人民币序列号的性能, 研究了离散 Hopfield 神经网络、BP 神经 网络、PNN 神经网络、GRNN 神经网络、SVM 神经网络等五种算法的训练耗时、识别速度、识别率和抗噪声能 力. 研究结果表明, 在五种算法中 BP 算法的综合表现最差, 其次为 SVM 和 Hopfield 算法, 而 PNN 和 GRNN 算 法表现最好, 不仅识别率最高、训练和识别时间最短, 而且具有较强的抗噪声能力. 关键词: 神经网络; 字符识别; Hopfield; BP; PNN; GRNN; SVM Comparison of Five Algorithms for Recognizing Serlal Number of Rmb Banknote LIU Xiao-Bo, CUI Gui-Hua, LI Chang-Jun, QIAN Xiang-Zhong, YAN Xu (College of Physics and Electronic Information Engineering, Wenzhou University, Wenzhou 235035, China) Abstract: To investigate the performance of different neural network algorithms in identifying serial number of RMB banknote, the training speed, recognizing speed and rate, and ability of anti-noise of five neural network algorithms, including the discrete Hopfield neural network, BP neural network, PNN neural network, GRNN neural network and SVM neural network, are studied. The simulation results show that amongst the five algorithms, BP performs worst, followed by SVM and Hopfield, with PNN and GRNN performs best, not only gives the higher recognition rate, shorter training and recognition time, but also is more robust to noise. Key words: neural network; character recognition; Hopfield; BP; PNN; GRNN; SVM [4] [5] [6] 货币在流通过程中会出现许多社会问题, 例如抢 基于统计特征算法 、结构识别法 、神经网络算法 [7] 劫、伪钞等, 使国家、银行和个人遭受巨大的经济损 等及其改进的算法, 如加权模板算法 、支撑向量机和 [8] [9] 失, 同时也严重影响社会的治安, 扰乱社会的和谐和