一种基于BP网络的错帖检测新算法

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (15): 221-223.

一种基于BP网络的错帖检测新算法

刘喆，王跃宗，杨建坤，李德胜

北京工业大学机电学院，北京 100022

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-05-21 发布日期:2007-05-21
通讯作者: 刘喆

New algorithm of paper checking based on BP neural networks

LIU Zhe，WANG Yue-zong，YANG Jian-kun，LI De-sheng

College of Mechanical Engineering and Applied ET，Beijing University of Technology，Beijing 100022，China

Received:1900-01-01 Revised:1900-01-01 Online:2007-05-21 Published:2007-05-21
Contact: LIU Zhe

摘要/Abstract

摘要： 提出了一种基于BP神经网络与图像不变矩的页面识别方法。应用规则矩的快速算法对一幅图像计算，将得到的7个图像矩不变量作为识别特征向量，输入到BP神经网络中进行识别，并最终确定出分类对象以达到对页面文字、图形以及图文的识别。通过实验仿真表明应用文中的方法能够对页面进行快速的训练与识别，既得到了较高的识别率，又满足了实时性要求。

关键词: BP神经网络, 快速矩计算方法, 页面检测

Abstract: In this paper，a page-detecting method based on BP neural networks and moment invariants of pictures is proposed.It uses a fast algorithm to compute regular moments of a picture and at last gets seven moment invariants as a recognition vector.The moment invariant vector is put into BP neural networks to be recognized and classified，which is applied to characters and pictures.The experiment indicates that this method can train and recognize paper quickly.It not only gets high recognition rate but also satisfies real-time request.

Key words: BP neural networks, fast algorithm for compute moments, paper-detecting

刘喆，王跃宗，杨建坤，李德胜. 一种基于BP网络的错帖检测新算法[J]. 计算机工程与应用, 2007, 43(15): 221-223.

LIU Zhe，WANG Yue-zong，YANG Jian-kun，LI De-sheng. New algorithm of paper checking based on BP neural networks[J]. Computer Engineering and Applications, 2007, 43(15): 221-223.

[1]	郑建锋，王应明. 基于DEA-BP神经网络的效率置信区间预测模型研究[J]. 计算机工程与应用, 2021, 57(3): 273-278.
[2]	黄晶晶，王建宏. 分数阶非因果BP神经网络模型[J]. 计算机工程与应用, 2021, 57(23): 91-97.
[3]	曹林根，宓超. 集装箱箱号字符识别算法研究[J]. 计算机工程与应用, 2021, 57(15): 178-185.
[4]	楚彭子，虞翊，林辉，袁建军，姜西. ATO系统速度控制的BP-FIPID算法[J]. 计算机工程与应用, 2020, 56(22): 224-229.
[5]	冯玉芳1，2，卢厚清1，殷宏1，曹林1. 基于BP神经网络的故障诊断模型研究[J]. 计算机工程与应用, 2019, 55(6): 24-30.
[6]	邓烜堃1，2，万良1，2，黄娜娜1，2. 基于DAE-BP神经网络的股票预测研究[J]. 计算机工程与应用, 2019, 55(3): 126-132.
[7]	王勇，杨锦，王瑛. 改进Henon超混沌系统与AES结合的图像加密算法[J]. 计算机工程与应用, 2019, 55(22): 180-186.
[8]	顾婷婷，刘新会，桑庆兵，李朝锋. 基于双树复小波的无参考立体图像质量评价[J]. 计算机工程与应用, 2019, 55(2): 154-161.
[9]	杨霞，朱晓冬，刘元宁，冯家凯，刘帅. 分块小波特征结合BP神经网络的虹膜识别方法[J]. 计算机工程与应用, 2019, 55(18): 132-139.
[10]	卞京红1，贺兴时1，范钦伟1，伊宝民2. 基于自适应花授粉算法的BP神经网络结构优化[J]. 计算机工程与应用, 2018, 54(3): 50-56.
[11]	赵亚飞，韦广梅. 基于BP神经网络的有限元应力修匀的研究[J]. 计算机工程与应用, 2018, 54(13): 67-72.
[12]	韦鹏宇1，2，4，潘福成1，2，3，李帅3. 改进人工蜂群优化BP神经网络的分类研究[J]. 计算机工程与应用, 2018, 54(10): 158-163.
[13]	周静1，赵鲁阳1，罗炬锋1，2. 基于时域特征提取的围栏入侵模式分类方法[J]. 计算机工程与应用, 2017, 53(21): 98-102.
[14]	刘裕国，王浩，姚宏亮，李俊照. 水平窗口能量计算的股市趋势预测算法[J]. 计算机工程与应用, 2017, 53(21): 225-232.
[15]	刘颖，王楠. 最大熵模型和BP神经网络的短句对齐比较[J]. 计算机工程与应用, 2015, 51(7): 112-117.