五种人民币序列号识别算法抗噪能力比较
作者:
作者单位:

作者简介:

通讯作者:

中图分类号:

基金项目:

国家自然科学基金(61501331,61178053,61575090)


Comparison of Five Algorithms for Recognizing Serlal Number of Rmb Banknote
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    为了比较不同的人工神经网络算法识别人民币序列号的性能,研究了离散Hopfield神经网络、BP神经网络、PNN神经网络、GRNN神经网络、SVM神经网络等五种算法的训练耗时、识别速度、识别率和抗噪声能力. 研究结果表明,在五种算法中BP算法的综合表现最差,其次为SVM和Hopfield算法,而PNN和GRNN算法表现最好,不仅识别率最高、训练和识别时间最短,而且具有较强的抗噪声能力.

    Abstract:

    To investigate the performance of different neural network algorithms in identifying serial number of RMB banknote, the training speed, recognizing speed and rate, and ability of anti-noise of five neural network algorithms, including the discrete Hopfield neural network, BP neural network, PNN neural network, GRNN neural network and SVM neural network, are studied. The simulation results show that amongst the five algorithms, BP performs worst, followed by SVM and Hopfield, with PNN and GRNN performs best, not only gives the higher recognition rate, shorter training and recognition time, but also is more robust to noise.

    参考文献
    相似文献
    引证文献
引用本文

刘小波,崔桂华,李长军,钱祥忠,严旭.五种人民币序列号识别算法抗噪能力比较.计算机系统应用,2016,25(8):29-34

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2015-12-16
  • 最后修改日期:2016-01-21
  • 录用日期:
  • 在线发布日期: 2016-08-16
  • 出版日期:
文章二维码
您是第位访问者
版权所有:中国科学院软件研究所 京ICP备05046678号-3
地址:北京海淀区中关村南四街4号 中科院软件园区 7号楼305房间,邮政编码:100190
电话:010-62661041 传真: Email:csa (a) iscas.ac.cn
技术支持:北京勤云科技发展有限公司

京公网安备 11040202500063号