基于RBF神经网络的手绘电气草图分类研究

手绘电气草图识别输入有益于电路设计者开拓思路,把握全局,提高设计效率,是现代CAD技术的重要发展内容,各类相关成果不断出现,但总还是存在识别率不高、速度较慢,或者手绘约束太多的等问题.结合构成电气符号草图绘制笔画的形状和RBF神经网络逼近特性好,无局部最小,收敛速度较快且拓扑结构简单等优点,该文研究基于RBF神经网络的在线手绘电气草图分类方法.特征按结构特征和关系特征分类处理与应用,并由此构建两级串联分类系统;第一级分类器使用一个RBF神经网络,输入向量为结构特征;第二级分类器包含三个RBF神经网络,输入内容是关系特征向量.试验表明,该方法识别率高,速度快,基本无约束.