神经网络模式识别技术在自动售货机中的应用研究

摘要

识别活动是人类的基本活动,人们希望机器能代替人类进行识别工作,因此模式识别的理论和方法引起了人们极大的兴趣并进行了长期的研究,现已发展成一门多学科交叉的学科.针对不同的对象和不同的目的,可以用不同的模式识别理论、方法.而人工神经网络能较好地模拟人的形象思维,而且由于具有大规模并行协同处理能力、较强的容错能力和联想能力以及较强的学习能力,所以将神经网络方法运用到模式识别中去解决识别问题已成为国内外科技工作者广泛关注的热点.该文首先对模式识别、神经网络的发展概况以及应用神经网络来进行模式识别的历史渊源等方面作了较为详细的介绍,然后分析了模式识别的一些基本概念、方法,指出了其困难和要求,同时给出了神经网络进行模式识别的方法,并比较它与传统方法的异同,说明了神经网络方法进行模式识别的特点与优越性;着重研究了神经网络模式识别系统的第一个关键问题,即模式的预处理和特征提取,重点分析了PCA的理论实现基础K-L变换和实现PCA的方法步骤;在此基础上,该文接着详细研究了神经网络进行模式识别的底层理论基础,从而说明了其实现的可行性;然后给出了该文核心即BP神经网络模式分类器的实现思想.运用上述研究成果,成功地开发与设计了一个具体的神经网络模式识别系统,即自动售货机系统,借助于MATLAB,用改进的BP算法对研制的样机进行了样本训练并完成了神经网络结构设计.对样机进行实验室测试表明其运行稳定、纸币识别率较高,具有较大的实用价值,表明了该文研发成果的有效性.

目录

文摘

英文文摘

湖南大学学位论文原创性声明及学位论文版权使用授权书

第1章绪论

1.1神经网络与模式识别发展概述

1.2神经网络模式识别研究历史

1.3模式识别的原理和基本概念

1.4模式识别的基本要求及其困难

1.5模式识别的系统构成

1.6模式识别的传统方法

1.6.1统计模式识别

1.6.2句法模式识别

1.6.3模糊模式识别

1.7神经网络模式识别方法

1.8神经网络模式识别方法与传统模式识别方法的关系

1.8.1神经网络模式识别方法与传统模式识别方法的关系

1.8.2神经网络模式识别的特点

1.9本文研究背景与意义

1.10本文的研究内容

第2章神经网络模式识别的预处理与特征提取研究

2.1引言

2.2模式的预处理

2.2.1消除稳态分量

2.2.2模式样本的标准化处理

2.3模式的变换域特征

2.4离散K-L变换及PCA主分量分析法

2.4.1离散K-L变换

2.4.2 PCA主分量分析法的基本原理

2.4.3 PCA主分量分析法的计算方法

2.4.4 PCA方法的特点

2.5小结

第3章人工神经网络理论基础

3.1神经网络的生物基础

3.1.1脑的宏观结构

3.1.2神经网络的结构与功能

3.1.3神经元模型

3.2神经网络的基本原理

3.2.1神经网络的结构

3.2.2神经网络的学习和训练

3.3一些典型的常用于模式识别的神经网络模型

3.3.1感知机及B P网络

3.3.2竞争学习与侧抑制

3.3.3自组织特征映射

3.3.4 Hopfield网络

3.4神经网络用于模式识别

3.4.1神经网络模式识别系统概述

3.4.2神经网络模式识别典型做法

第4章BP神经网络分析与设计研究

4.1引言

4.2基于BP算法的多层前馈网络模型及其学习算法

4.3 BP多层前馈网络的主要能力

4.4 BP算法的局限性及其改进

4.4.1增加动量项

4.4.2自适应调节学习率

4.5 BP网络设计

4.5.1信息容量与训练样本数

4.5.2训练样本集的准备

4.5.3初始权值的设计

4.5.4 B P网络结构设计

4.5.5网络训练与测试

4.6神经网络的高级开发环境

4.6.1神经网络的开发环境及其特征

4.6.2 MATLAB神经网络工具箱概述

第5章神经网络模式识别应用-自动售货机系统设计

5.1自动售货机研究的现状及意义

5.2系统概述

5.3自动售货过程的控制子系统简述

5.4自动售货过程的通信子系统简述

5.5硬币的识别原理及其贮退机构简述

5.6纸币识别子系统原理及其设计

5.6.1纸币器数据采集设备的基本原理及设计

5.6.2纸币器硬件设计

5.6.3纸币器软件设计

5.7基于BP神经网络的纸币器货币识别算法设计

5.7.1概述

5.7.2数据预处理

5.7.3货币识别的BP神经网络算法设计与实现

5.8小结

结论

参考文献

致谢

附录A(攻读学位期间所发表的学术论文目录)