改進BP神經(jīng)網(wǎng)絡(luò)在模式識別中的應(yīng)用及研究.pdf

1、人工神經(jīng)網(wǎng)絡(luò)具有強大的非線性映射能力，已經(jīng)被應(yīng)用于模式識別、智能控制、圖像處理以及時間序列分析等各種領(lǐng)域，它特有的自組織、自學習和高容錯性等功能使得其在解決復雜的非線性問題時有獨特的功效，成為國內(nèi)外廣泛關(guān)注的熱點。
　　 本文首先詳細介紹了應(yīng)用神經(jīng)網(wǎng)絡(luò)進行模式識別的發(fā)展概況，通過與傳統(tǒng)模式識別的比較，得出神經(jīng)網(wǎng)絡(luò)模式識別的優(yōu)越性。針對已有的神經(jīng)網(wǎng)絡(luò)模式識別系統(tǒng)，本文介紹了該系統(tǒng)中使用最廣泛的BP神經(jīng)網(wǎng)絡(luò)，通過對其關(guān)鍵技術(shù)及算法的

2、研究，針對BP算法的不足，提出了BP算法的啟發(fā)式改進，同時，通過對遺傳神經(jīng)網(wǎng)絡(luò)模型及其算法進行分析和研究，針對遺傳算法的主要缺陷介紹了幾種常用的改進類型。
　　 本文結(jié)合遺傳算法對BP算法進行優(yōu)化，建立了改進的GA-BP神經(jīng)網(wǎng)絡(luò)模型。最后，充分利用VC++和MATLAB兩種語言的各自優(yōu)勢，進行混合編程，設(shè)計開發(fā)了基于GA-BP算法的遺傳BP神經(jīng)網(wǎng)絡(luò)模式識別系統(tǒng)，并投入實際應(yīng)用。并利用該模型對兩個實際的模式識別問題進行了模式分類訓