手绘电路图形符号识别技术的研究

特征提取和分类器设计是手绘电路图形符号识别系统的关键环节。针对手绘图形不规则性的特点,提出了一种基于视觉的特征提取方法,并利用自适应学习速率的改进型BP神经网络进行分类识别。通过对10种手绘电路图形符号的分类实验,验证了文中设计的识别系统具有很好的分类效果和较强的实用性。

基于BP神经网络的手绘电路图形符号识别技术

首先介绍了手绘电路图形符号扫描输入和图像信息去噪压缩处理方法,并离散化成标准的二维矩阵形式。然后引入一个三层前馈型BP神经网络,采用Delta迭代训练算法,学习图像矩阵输入与元件符号输出之间的映射关系,并着重阐述了神经网络学习的过拟合问题。最后通过MATLAB编程仿真和交叉验证表明,提出的BP神经网络结构及其训练算法合理、有效和实用。