数据分析基于神经网络的分类与识别---毕业论文.docx

数据分析基于神经网络的分类与识别 数据分析基于神经网络的分类与识别是计算机模式识别的主要内容，旨在用计算机代替人去认识图像和找出一副图像中人们感兴趣的目标。模式识别技术是用机器来模拟人的各种识别能力，当前主要是模拟人的视觉和听觉能力。图像模式识别是用机器对文字、图像、图片和景物等模式信息加以处理和识别，用以解决计算机与外部环境直接通信这一重要问题。 神经网络图像识别技术是随着当代计算机技术、图像处理、人工智能、模式识别理论等发展起来的一种新兴图像识别技术，是在传统的图像识别方法的基础上融合神经网络算法的一种图像识别方法。 本文主要工作包括： 1. 简要介绍了图像预处理技术及图像识别的基本原理。 2. 介绍几种常见的神经网络模型和模式识别方法； 3. 对 BP 神经网络的结构及 BP 算法做了系统的分析研究，在此基础之上，提出了 BP 神经网络在图像识别中的应用； 4. 利用径向基（RBF）函数神经网络模型最后对医学图像进行识别和分类，并和其他方法进行对比。 人工神经网络简介： 人工神经网络（Artificial Neural Networks, ANN），一种模仿动物神经网络行为特征，旨在解决模式识别问题。人工神经网络的概念是模仿动物神经网络行为特征，将其应用于模式识别的领域中。 人工神经网络的历史可以追溯到 40 年前。初期人们致力于建立较为详细的、仿生的（模仿人的神经元）神经网络的数学模型。50 年代至 60 年代有人便试图建立结构上类于人脑的计算机。但由于当时集成电路、计算机及人工智能等方面技术的限制使得这种尝试未获成功，’而且使这方面的工作几乎停顿了近 20 年。 直到 80 年代，超大规格集成电路、人工智能、计算机技术及拓扑学算法的发展使得人工神经网络重新兴起并很快地蓬勃发展成了当今世界的一大热门课题。尤其是人们希望人工神经网络能在语音和图象识别方面达到完成人类的功能。使得人工神经网络在这方面有了不少应用成果。 1987 年 6 月在美国圣地亚哥召开的第一届国际神经网络年会重新揭开了人类向神经网络大规模进军的战幕，据有关人士预料，今后新一代计算机将是以神经网络为基础的，具有高度并行处理能力，具有自适应能力的新一代的计算机。 从当前研究的热点看主要有下列几个方面： 一是各种神经网络模型的研究，包括生物物理模型、数学模型等。 二是在数字机上进行模拟以探讨各类模型的特点、性能等。 三是各种训练、学习规则的研究。 四是神经网络在工作中的自适应能力的研究。 五是硬件实现。 国际上在这几方面的研究都尚属初级阶段，尚有一些硬件实现和初步的应用成果。国内的研究则刚起步不久。 本文介绍人工神经网络模型的一般结构及算法，同时在和传统分类器（o as if er）比较的基础上介绍用于模式识别的人工神经网络分类器的结构和工作过程[i]。 BP 神经网络是一种常用的神经网络模型，具有高度的并行性、分布式存储、良好的容错性、自适应性和联想记忆功能、高度的非线性处理等能力。在模式识别领域中取得了许多传统方法所难达到的成就。 径向基函数神经网络模型是另一種常用的神经网络模型，对医学图像进行识别和分类，并和其他方法进行对比。 本文通过介绍神经网络图像识别技术、人工神经网络的概念、BP 神经网络模型和径向基函数神经网络模型等，旨在解决模式识别问题，提高图像识别的准确性和效率。