实验七：基于神经网络的模式识别实验

一、 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。

二、 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，对图像综合掌握模式识别的原理，了解识别过程的程序设计方法。

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：

其中图像预处理的流程如图4-2 所示：

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 创建神经网络 训练 存储训练好的神经网络 显示预处理结图像输入 灰度转化 图像二值化 图4-1 主程序流程图

调整比例 归一化调整 图像分割

1

图4-3 神经网络训练流程

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',[40 100 80 60],... 'String','选择图片',... 'FontSize',10,... 'Call','op');

%画坐标轴对象，显示经过预处理之后的图像 h2=axes('position',[0.5 0.6 0.3 0.3]); %添加预处理按钮

2

(2)