人工神经网络 英文字母识别

%Example1Tr M=1;%人数 N=26*M;%样本数 %获取26个大写字母图像的数据 for kk=0:N-1 p1=ones(16,16);%初始化16*16的二值图像（全白） m=strcat(int2str(kk),'.bmp');%形成文件名 x=imread(m,'bmp');%读取图像 bw=im2bw(x,0.5);%转换成二值图像数据 %用矩形框截取 [i,j]=find(bw==0);%查找像素为黑的坐标 %取边界坐标 imin=min(i); imax=max(i); jmin=min(j); jmax=max(j); bw1=bw(imin:imax,jmin:jmax);%截取 %调整比例，缩放成16*16的图像 rate=16/max(size(bw1)); bw1=imresize(bw1,rate);%会存在转换误差 %将bw1转换成标准的16*16图像p1 [i,j]=size(bw1); i1=round((16-i)/2); j1=round((16-j)/2); p1(i1+1:i1+i,j1+1:j1+j)=bw1; p1=-1.*p1+ones(16,16); %将p1转换成输入向量 for m=0:15 p(m*16+1:(m+1)*16,kk+1)=p1(1:16,m+1); end end %形成目标向量 for kk=0:M-1 for ii=0:25 t(kk+ii+1)=ii; end end %设置输入向量范围 pr(1:256,1)=0; pr(1:256,2)=1; %创建两层BP神经网络，隐层有25个节点 net=newff(pr,[25 1],{'logsig' 'purelin'},'traingdx','learngdm'); net.trainParam.epochs=2500; net.trainParam.goal=0.001; net.trainParam.show=10; net.trainParam.lr=0.05; %训练神经网络 net=train(net,p,t); %存储训练好的神经网络