实验七：基于神经网络模式识别实验.docVIP

实验七：基于神经网络的模式识别实验 实验目的 理解BP神经网络和离散Hopfield神经网络的结构和原理，掌握反向传播学习算法对神经元的训练过程，了解反向传播公式。通过构建BP网络和离散Hopfield网络模式识别实例，熟悉前馈网络和反馈网络的原理及结构。 综合掌握模式识别的原理，了解识别过程的程序设计方法。 实验内容 熟悉模式识别的理论方法，用选择一种合适的识别方法，对图像中的字符（英文字母）进行识别，能够区分出不同的形态的26个字母。 在Matlab中，采用BP神经网络，对读取的数据进行训练，进而识别。 1. 程序设计 (1)程序各流程图 实验中主程序流程图如图4-1所示： 图4-1 主程序流程图 其中图像预处理的流程如图4-2 所示： 图像输入 图像输入 灰度转化 图像二值化 图像分割 归一化调整 调整比例 显示预处理结果 图4-2 图像预处理的流程 神经网络训练的具体流程如图4-3 所示： 获取图像数据 获取图像数据 创建神经网络 训练 存储训练好的神经网络 图4-3 神经网络训练流程 (2)程序清单 %形成用户界面 clear all; %添加图形窗口 H=figure(Color,[0.85 0.85 0.85],... position,[400 300 500 400],... Name,基于BP神经网络的英文字