基于RBF神经网络的手绘电气草图分类研究.pdfVIP

第32卷第4期 湘潭大学自然科学学报 V01．32No．4 2010年12月 NaturalScience of Dec．2010 JoumalXiangtanUniversity 基于RBF神经网络的手绘电气草图分类研究。 戴永。， 曾艳艳 (湘潭大学信息工程学院，湖南湘潭411105) [摘要]手绘电气草图识别输入有益于电路设计者开拓思路．把握全局．提高设计效率，是现代CAD技术的重要发展内 容．各类相关成果不断出现．但总还是存在识别率不高、速度较慢．或者手绘约束太多的等问题．结合构成电气符号草图 绘制笔西的形状和RBF神经网络逼近特性好，无局部最小．收敛速度较快且拓扑结构简单等优点．该文研究基于RBF神 经网络的在线手绘电气草图分类方法．特征按结构特征和关系特征分类处理与应用．并由此构建两级串联分类系统I第 一级分类器使用一个RBF神经网络．输入向量为结构特征I第二级分类器包含三个RBF神经网络，输入内容是关系特征 向量．试验表明．该方法识别率高，速度快，基本无约束． 关键词：手绘电气草图，在线识别lRBF神经网络f两级串联分类器 中圈分类号：TP31 文献标识码：A 文章编号：1000—5900(2010)04—0102—06 ofClassificationforHand-DrawnElectronic Study ComponentSymbol BasedonRadialBasl’sFunctionNeuralNetworks DAI ZENG Yong。． y口n-yan ofInformation 411105 lCollege Engineering．XiangtanUniversity．XiangtanChina) cir· [Abstract]The ofhand-drawnelectronic isbeneficialtObroaden recognitioninput componentsymbol and is devel· cuit letthem theoverallsituationraise important designers’visionI grasp designefficiency．It matters CAD kind’SofrelateachievementsOUt opment ofcontemporarytechnology．All appearfrequently． Butthere suchasthe rateisnot isslowor some recognition high。therecognitionspeed alwaysproblems have constrainsOfhand·drawnandso thestroke ofhand-drawnelectr