毕业论文论文范文课程设计实践报告法律论文英语论文教学论文医学论文农学论文艺术论文行政论文管理论文计算机安全
您现在的位置: 毕业论文 >> 论文 >> 正文

基于图像识别的苹果分级研究 第10页

更新时间:2009-9-8:  来源:毕业论文
基于图像识别的苹果分级研究 第10页
判别,与人眼判别不符即是错误识别。表5.1是采集一定量苹果按大小分级的统
计结果。
  对于形状分等的判别函数和按大小分级的特征函数形式类似,不同的特征函
数的参数有所不同。根据形状特征本图像识别系统分成四个等:一等,二等,三
四等,一等是是形状比较好的等,依次四等最差。
4.4基于神经网络苹果等级判别
    自1985年IUmbelhan提出BP算法以来,神经网络的发展迅速并渗透到各个
学科,多层前向型网络成为用途最为广泛的网络之一。神经网络算法以不再只是
供研究,而在实际的生产中开始了广泛的应用。如:数据库系统的数据挖掘、产
品的自动分检系统的图相识别等。对应地在计算机辅助设计的软件中,神经网络
算法的设计也越来越多。在设计完系统苹果等级判别的系统后,对神经网络在图
像识别系统中的应用做了一定的研究工作。并将其应用神到苹果等级判别中的研
究作一些探讨。
4.4.1 BP网络的基础知识
  BP算法是一种有监督式的学习算法。其主要思想是:输入学习样本,使用反
向传播算法对网络的权值和偏差进行反复的调整训练,使输出的向量与期望向量
尽可能地接近,当网络输出层的误差平方和小于指定的误差时训练完成,保存网
络的权值和偏差。
  BP算法由两部分组成:信息的正向传递与误差的反向传递。在正向传播过程
中,输入信息从输入层经隐含层逐层计算传向输出层,每层神经员状态只影响下
一层的神经元状态。如果输出层没有得到期望的输出,则计算输出层的误差变化
值,然后转向反向传播,通过网络将误差信号从原来的连接通反传回来修改各层
神经元的权值直至达到期望目标。图5.4.1是简化的两层网络图。
e
j  嗵开  f m{
    图4.3简化的两层网络图
设输入为P=(p,,P:,…,P,)r,,.为输入神经元的个数,第一层的权矩阵
∥  =(万,)。。。,,s。为隐层神经元个数,激活函数为Z,%:汩2F)哕q,J:
为输出层神经元个数,对应的激活函数为厂2,目标矢量为r=(f。,f:,…,r。:)r,隐
含层神经元的输出矢量A,=(al。,al:,…,al。)’,输出层神经元的输出矢量
A:=(a2。,a2:,…,a2。:)r,隐含层神经元的偏差E=(bl。,bl:,…,bl~)r,输出层神
经元的偏差B:=(b2,,b2:,…b2,:)r,则信息在正向传递过程中:
(1)隐含层中第i个神经元的输出为:
口·,=z[喜万·。·p,+6·,],cz=·,2,…s。;/=·,2,…,r,。
(2)输出层第k个神经元的输出为:
哦:zl圭万2血纠,+%l,(七:1,2,…蹦/:1,2,…,啪。
    L J=l    J
(3)走义误差的函数为:
E(∥,B)=互酗S2埘t】。,其中∥=卜1础B=[bl,b2]。
在误差的反向传播过程中:
(1)输出层的权值变化对从第f个输入到第k个输出的权值有:
  峨叫击叫盖,篆刊卜哦婚扎
  ’Ab2k。叫去叫嚣‘甏吲卜哦,辣
  (2)隐含层的权值变化对从第/个输入到第f个输出的权值有:
  蛔1{『=一叩盖叫嚣Oa2‘瓮Oal,器=毒p叱协吩小p,同
    ”  。a万1,,  。  。    i a巧1i.  。鲁”  ““  ““f√  ~
理可得:
Abl。叫旦叫旦.堕.塑:叩扎埘。)辣.ux2∥z’Obl
    ”  。  。,  ‘c3a2々c3al,Obl,,  ‘智“  ““  ““
其中学习率77为指定的常数。
  对于线性激活函数厂(,2)=门,其导数为:厂’(,z)=1;对于S型激活函数
厂(,2)=(1+P”)~,e为自然数,其导数为:
厂’㈤=篙等:专·[-一专h砂¨㈤】o
4.4.2改进的BP反向传播算法
  为了加快网络收敛,减少训练时间,还有些改进的BP算法。
  (1)初始权值的选取对于非线性系统,初始值的选取十分重要,它直接影响
到学习是否能够收敛及训练时间的长短。初始值过大,使加权后的输入和,2落入
S型激活的饱和区,使调和过程几乎停顿。所以,一般初始权值取为(.1,1)之间
的随机数。
  (2)学习率学习率决定每次循环训练中所产生的权值变化量。大的学习率可
能导致系统不稳定;小的学习率导致较长的训练时间。所以,好的办法是系统自
动调节学习率。
  f3)附加动量法  附加动量法使网络在修正其权值时不仅考虑误差在梯度上的
作用,而且考虑在误差曲面上变化趋势的影响,其作用如同一个低通滤波器。在
没有附加动量的作用下,网络可能陷入局部极小值,利用附加动量的作用则可能
  ’Ab2k。叫去叫嚣‘甏吲卜哦,辣
  (2)隐含层的权值变化对从第/个输入到第f个输出的权值有:
  蛔1{『=一叩盖叫嚣Oa2‘瓮Oal,器=毒p叱协吩小p,同
    ”  。a万1,,  。  。    i a巧1i.  。鲁”  ““  ““f√  ~
理可得:
Abl。叫旦叫旦.堕.塑:叩扎埘。)辣.ux2∥z’Obl
    ”  。  。,  ‘c3a2々c3al,Obl,,  ‘智“  ““  ““
其中学习率77为指定的常数。
  对于线性激活函数厂(,2)=门,其导数为:厂’(,z)=1;对于S型激活函数
厂(,2)=(1+P”)~,e为自然数,其导数为:
厂’㈤=篙等:专·[-一专h砂¨㈤】o
4.4.2改进的BP反向传播算法
  为了加快网络收敛,减少训练时间,还有些改进的BP算法。
  (1)初始权值的选取对于非线性系统,初始值的选取十分重要,它直接影响
到学习是否能够收敛及训练时间的长短。初始值过大,使加权后的输入和,2落入
S型激活的饱和区,使调和过程几乎停顿。所以,一般初始权值取为(.1,1)之间
的随机数。
  (2)学习率学习率决定每次循环训练中所产生的权值变化量。大的学习率可
能导致系统不稳定;小的学习率导致较长的训练时间。所以,好的办法是系统自
动调节学习率。
  f3)附加动量法  附加动量法使网络在修正其权值时不仅考虑误差在梯度上的
作用,而且考虑在误差曲面上变化趋势的影响,其作用如同一个低通滤波器。在
没有附加动量的作用下,网络可能陷入局部极小值,利用附加动量的作用则可能

上一页  [1] [2] [3] [4] [5] [6] [7] [8] [9] [10]  ... 下一页  >> 

基于图像识别的苹果分级研究 第10页下载如图片无法显示或论文不完整,请联系qq752018766
设为首页 | 联系站长 | 友情链接 | 网站地图 |

copyright©751com.cn 辣文论文网 严禁转载
如果本毕业论文网损害了您的利益或者侵犯了您的权利,请及时联系,我们一定会及时改正。