计算机科学 ›› 2005, Vol. 32 ›› Issue (11): 172-174.
• 软件工程与数据库技术 • 上一篇 下一篇
出版日期:
发布日期:
基金资助:
Online:
Published:
摘要： 粗糙集和神经网络在模式识别中都可用于分类，但是都有局限性。虽然两者没有太多的共同点，将它们结合起来却能相互补充，起到比单个理论更好的分类效果。本文从理论上给出了用粗糙集约简算法减少BP网络中的一个神经元或连接时网络输出能产生的最大误差。接着将粗糙集和BP网络结合起来设计分类器，并通过车牌数字识别验证了该分类器的有效性。实验说明该分类器比单独用粗糙集和神经网络设计的分类器识别率高、识别时间短。
关键词: 粗糙集 BP网络 分类器 车牌 字符识别 神经网络 LPR 应用 网络设计 模式识别
Abstract: In .pattern r egconition, both rough set theory and neural network can be used to classify patterns. The two theory, don＇t have much commonpoint, but they .can be. complementary when we combine them. in designing a classifier and the recognition effect ca
Key words: Rough set, BP neural network, Classifier, Lieenee plate, Character recognition
. 基于粗糙集和神经网络的分类器及其在LPR中的应用[J]. 计算机科学, 2005, 32(11): 172-174. https://doi.org/
0 / / 推荐
导出引用管理器 EndNote|Reference Manager|ProCite|BibTeX|RefWorks
链接本文: https://www.jsjkx.com/CN/
https://www.jsjkx.com/CN/Y2005/V32/I11/172
Cited
首页