基于神经网络的中药材分类 ㊣ 精品文档 值得下载

小的学习率是以保证学习过程的稳定性的，通常是之间。

第二章神经网络的基础知识增加冲量项的目的就是为了避免网络训练被困于较浅的局部最小点。

理论上值大小应该和权值修正量有关，但是在实际的应用之中般都是取常量。

通常数值会在之间，因而般比学习率要大些。

网络的初始连接权值这种算法就已经决定了误差函数般都会存在多个局部的最小点，因此不相同的网络初始权值就会直接决定了算法收敛于哪个最小点或者是全局的最小点。

因此，要求计算建议用标准的通用软件，如公司的软件和软件必须是可以自由的改变网络初始的连接权值。

但是由于转换函数的特殊性，所以般都要求初始权值的范围在之间。

四川理工学院毕业论文第三章基于神经网络的中药材分类药材特征的提取基于反馈神经网络的中药材分类中，药材特征的提取是最重要的步骤。

分类的准确性和效率，取决于特征的选取。

本文算法，首先对药材图像进行自动分割，提取出药材的目标区域。

然后对药材区域提取颜色特征纹理特征形状特征组成药材图像的特征向量。

在摄影箱底部放置与待测样本颜色反差大的背景布，获取背景图像，记为，。

待测药材样本互不重叠地摆放在背景布上，获取药材样本图像，记为，。

如槟榔样本图像如图所示。

图药材槟榔样本由于背景颜色均，利用背景差法，得到药材二值目标区域图中白色区域为槟榔目标区域，作为图像特征提取时的，感兴趣区。

，其它其中上标分别代表图像的通道图像，为分割阈值。

图药材槟榔目标区域对药材目标区域统计其颜色特征纹理特征形状特征。

对药材颜色特征进行提取可以将药材区域进行整体统计。

对于颜色特征，我们主要提取三项参数均值均方第三章基于神经网络中的药材分析差和熵。

图像的均值反映了图像颜色的全局特性，它统计了图像区域中全部像素点的像素值，并取其平均值，是图像的基本特征之。

图像的均值与灰度值所处的空间位置没有关系，它仅反映图像的亮度信息。

均方差可以提供比均值更为丰富的信息，用它来度量灰度级对比度。

图像的熵反映了图像中平均信息量的多少。

区域描绘的种重要方法是量化其纹理内容。

纹理是物体表面所存在的特性，它表示了物体表面的组织结构及其排列信息。

本文用统化局部二进制模式和灰度共生矩阵量化纹理内容。

图像的形状是图像特征中的个最重要的视觉特征。

对形状特征的描述包括了轮廓边界的描述即周长，以及该边界所包含的区域即面积。

在药材分类系统中，我们还引入了最小外接矩形的长宽比来作为形状特征描述子。

图像的形状是图像特征中的个最重要的视觉特征。

对形状特征的描述包括了轮廓边界的描述即周长，以及该边界所包含的区域即面积。

在药材分类系统中，我们还引入了最小外接矩形的长宽比面积和周长的比来作为形状特征描述子。

从而得到药材的特征向量的维数分别列表如下表药材特征维数分别列表算法算法的步骤为了书写方便，把各层阈值并入权矢量得到扩展的权值向量，即设，，。

设有个学习样本输入输出对。

设置最大学习次数最小误差。

误差初始化。

权值矩阵初始化，为，。

依次输入个学习样本。

设当前输入为第个样本。

依据依次计算各层的输入及。

求各层的反传等效误差。

四川理工学院毕业论文记下各个，的值，反向修正扩展的权值向量记录已学习过的样本个数。

如果，转到步骤继续计算如果，转到步骤。

按新的权值再计算和，，否则令，转如果迭代次数大于最大学习次数，或者小于最小误差，则停止，输出网络权值向量。

否则代入入继续学习。

基于算法的中药材分类将颜色特征纹理特征形状特征形成特征向量，作为神经网络的输入。

分类标识符作为网络的输出。

网络输入输出归化到，。

，代入算法中学习，直到学习完成，得到网络输入层到隐含层隐含层到输出层的权值，即网络参数。

对于待分类的药材图像，提取药材区域，得到药材的特征向量。

代入中网络参数，得到网络输出，从而得到药材分类。

第四章实验结果及分析第四章实验结果及分析结论与分析以为实验平台，以槟榔，马钱子，生半夏，天麻，郁金，麦冬，川穹等种药材为实验对象，利用神经网络工具包编程实现。

神经网络采用如图的三层结构，目前还没有确定隐含层神经元的个数的方法。

我们采用试验法来确定隐含层神经元的个数，图出隐层神经元个数与训练误差的关系图，图给出隐层神经元个数与测试精度的关系图，综合准确率和网络的复杂性考虑，选取隐层神经元个数为。

图隐层神经元个数与训练误差的关系图隐层神经元个数与测试精度的关系图像形状特征以山楂为例，形状特征面积周长最小外接矩形长宽比如图所示。

药材的形状特征数据如表所示。

四川理工网络输入网络输出随机排列的网络输入网络输出归化到隐藏神经元数量训练时间训练精度测试精度迭代次数四川理工学院毕业论文网络反归化输出测试网络输出网络输入归化到文献综述文献综述基于神经网络的中药材分类学生姓名甄坤专业信息与计算科学班级学号世纪年代以来，随着计算机技术的不断发展，人工神经网络的理论与实践都得到了迅猛提高。

的概念来源于生物神经网络。

限于目前的理论与技术，保留了脑神经网络的基本结构，反映脑神经系统的工作原理。

在中，记忆的信息存贮在连接权上，外部刺激通过连接通道自动激活相应的神经元，以达到自动识别的目的。

因而，它是与现代计算机完全不同的系统。

模拟生物体中神经网络的些结构和功能，并反过来用于工程或其他的领域。

年以来，技术在中药研究领域得到了大量地应用。

人工神经网络是种新型的能够有效处理复杂系统中的数据，并从中寻找出相应的模式规律，归纳隐含在信息单元之间的关联规则的有效方法，本文就人工神经网络近些年来在中药分类领域的应用进行了综述。

文献人工神经网络是指模拟人脑神经系统的结构和功能，运用大量的处理部件，由人工方式建立起来的网络系统。

近几年来，人工神经网络的研究工作十分活跃，取得了很大的进展，研究开发出了几十种神经网络的模型，出现了多种新型神经网络结构。

文献介绍了传统的遗传算法与算法，分析了它们各自的不足提出了种将算法与遗传算法有机结合的混合智能计算方法，并且给出了具体的算法实现流程将该方法应用于数字图象识别，经过实验表明混合算法优于传统算法文献阐明了遗传算法和神经网络结合的必要性和可行性，提出用多层前馈神经网络作为遗传搜索的问题表示方式的思想。

用遗传算法和神经网络结合的方法求解了短期地震预报问题，设计了用遗传算法训练神经网络权重的新方法，实验结果显示了遗传算法快速学习网络权重的能力，并且能够摆脱局部极点的困扰文献该文提出了种基于遗传算法与图像特征向量的边缘检测方法。

由于噪声的干扰，常规的图像边缘检测方法往往效果不佳，因此在充分考虑边缘和噪声本质区别的基础上，构造具有较强抗噪能力的特征向量然后用样本图像对多层前馈神经网络采用遗传学习算法和误差反向传播算法相结合进行训练，即先用遗传学习算法进行全局训练，再用算法进行精确训练，使网络收敛速度加快和避免局部极小。

文献介绍了传统的遗传算法与算法，并分析了它们的不足。

提出了种将遗传四川理工学院毕业论文算法和算法相结合的遗传算法，在遗传算法的群体设计中采用小生境技术，防止优秀个体早期退化。

本文简要综述了上述文献，其他相关的资料文献将在毕业论文写作过程中，补充列举。

参考文献王鸿斌，张立毅新型神经网络的发展及其应用忻州师范学院学报胡师彦混合遗传算法在图象识别中的应用石家庄铁道学院学报，李敏强，徐博艺，寇纪淞遗传算法与神经网络的结合系统工程理论与实践俞建定，金炜用遗传网络进行图像边缘检测计算机工程与应用，王英健，戎丽霞基于遗传算法的神经网络及其在模式识别中的应用长沙交通学院学报，学院毕业论文图药材的形状特征表五种药材的形状特征药材面积像素周长像素长宽比马钱子松贝天麻生半夏山楂最后得到维特征向量，个槟榔样本的特征向量为分类用户界面如图所示。

图药材分类用户界面总结综上所述神经网络的应用在物质的特征选取当中有着更加广泛的应用，尤其是在药第四章实验结果及分析材的选取中其方面的简洁明了更是得到了很大的发展，在这里面我们可以通过设置不同药材的不同特征，并把他们输入电脑，从而实现药材选取的工业化，这不但大大地加快了药材从采集到入药的时间，更使得其工业化产业化，从而节省了大量的人力物力，对于药效的利用也获得了很大的提高，从而为我国的药材事业做出特出的贡献。

四川理工学院毕业论文参考文献，冯冀宁，刘彬，任玉艳基于细胞神经网络刀具磨损图像处理的研究微计算机信息，，，，，，，，，，，，，，，，李敏强，徐博艺，寇纪淞遗传算法与神经网络的结合系统工程理论与实践胡师彦混合遗传算法在图象识别中的应用石家庄铁道学院学报，王英健，戎丽霞基于遗传算法的神经网络及其在模式识别中的应用长沙交通学院学报，参考文献，，王鸿斌，张立毅新型神经网络的发展及其应用忻州师范学院学报俞建定，金炜用遗传网络进行图像边缘检测计算机工程与应用，四川理工学院毕业论文致谢感谢理学院的各位老师在本次论文中给与的指导，以及对我孜孜不倦的教诲，在本次做论文的过程中老师对教会我要不畏艰，勇往直前，尤其是刘长江老师，更是有问必答，不辞劳苦的指导，再次我再次做出衷心的感谢。

谢谢，附录附录接得。

主要做用于求解的优化问题，主要做用于图像的处理。

因第章前言此更加广泛