智能信息处理课程设计.docx

智能信息处理课程设计.docx

《智能信息处理课程设计.docx》由会员分享，可在线阅读，更多相关《智能信息处理课程设计.docx（10页珍藏版）》请在冰点文库上搜索。

智能信息处理课程设计

课程设计指导书

2019年3月31日

课程设计要求

1．本次课程设计以组为单位进行，每组人数不能超过2人，也可1人单独完成。

2．各组可根据自己的兴趣从以下实验中选做一题。

各组同学在选题时，要尽量避免与别组相同。

3．课程设计完成时，要求每组提交以下材料：

1）实验报告一份，实验报告内应包含实验原理、实验步骤、实验结果分析等。

2）源程序一份。

3）可执行程序一份。

实验一基于模板匹配的字符识别

一、实验目的

掌握模板匹配算法。

二、实验设备

微机

三、实验原理

设模板为T，尺寸为M×M，待检测图为S，尺寸为N×N。

将模板T叠放在待检测图S上，模板复盖下的那块待检测图，称为子图Si,j。

i、j为子图的左上角像素点在S图中的坐标，称为参考点。

从图中可以看到，1≤i,j≤N-M+1

匹配时，模板T在待检测图S上顺次平移。

比较T和Si,j的内容，若两者一致，则T和Si,j之差为零，否则不为零。

T和Si,j的相似程度可以用下式度量：

或

将上式展开：

式中，

表示模板的总能量，是一个常数，与（i，j）无关。

表示子图的总能量，它随（i，j）位置而变。

是子图与模板的互相关，随（i，j）位置而变。

很显然，T和Si,j匹配时，它的值应最大。

因此，相关函数定义为：

规一化为：

分析规一化后的相关函数值，可知：

0≤R（i，j）≤1。

只有当Si,j（m，n）=T（m，n），R（i，j）取极大值。

四、实验步骤

1．读入待分析的图片和英文字母a-z的模板图片。

2．利用模板匹配法找出待分析图片中的英文字母。

3．将找到的英文字母按与待分析图片中相同的顺序写入文本文件中。

五、实验报告

1．分析当模板图片中字母的尺寸与待分析图片中字母的尺寸不同时，应如何解决。

2．分析当待分析图片中字母角度倾斜时，应如何解决。

3．分析实验结果；总结本实验的心得体会，对不足之处提出改进意见。

实验二基于C均值算法的车辆检测与跟踪

一、实验目的

掌握背景差分算法和C均值聚类算法。

二、实验设备

微机

三、实验原理

1．背景差分算法

图2-1背景图像（a）图2-2待检测图像（b）

对图像（a）、（b），背景差分公式定义为：

（2.1）

式中，

表示背景图像（a）和待检测图像（b）在位置（i,j）处的灰度差；

表示检测结果图像（c）在位置（i,j）处的取值，图像（c）是一个二值图像，像素值为1表示在图像（b）的相应位置有与背景不一致的物体出现；为阈值，>0，一般的取值范围为：

[15，40]。

=25=45

图2-3不同取值情况下的检测结果图像（c）

2．C均值聚类算法

1选择把n个样本分成c个聚类的初始划分，计算每个聚类的均值M1,M2,…,Mc和Je，令迭代次数t=0。

2选择一个备选样本X，设X现在在k中。

3若nk=l，则转步骤2，否则继续。

4计算

5若

，且ki，则把X从k移到i中去，t=t+1；否则，t不变，转步骤7。

6重新计算Mi和Mk的值，并修改Je。

（2.2）

7若连续迭代n次，Je不改变，即t=n，则停止；否则，转到步骤2。

四、实验步骤

1读入背景图像（a）和待检测图像（b）。

2对图像中的所有像素，应用公式（2.1）进行判断，得到检测结果图像（c）。

3利用膨胀、腐蚀、滤波等算子对差分图像（c）进行预处理。

4对图像（c）应用C均值算法，进行聚类分析，得到场景中的车辆数。

五、实验报告

1．根据实验结果，分析不同取值，差分结果有何不同。

2．试分析如何根据实验结果求得场景中车辆的轨迹。

3．分析实验结果；总结本实验的心得体会，对不足之处提出改进意见。

实验三水果分类系统设计

一、实验目的

1．掌握分类器设计的基本步骤和方法。

2．掌握贝叶斯分类器和模糊分类器的基本原理。

3．学习如何根据实际问题需要进行恰当的特征选择。

二、实验设备

微机

三、实验内容及步骤

设计一个具有人机交互界面的分类器系统。

在该界面中，使用者可以进行分类器类型的选择，可以对分类器中的各项参数进行设置，可以查看分类结果。

基本步骤为：

1设计分类器系统的人机交互界面。

2用样本集对分类器进行训练学习，给出分类器中各项参数的推荐值。

3对输入的待识别对象，用设计好的分类器进行分类，给出分类结果。

四、实验报告

1．分析贝叶斯分类器和模糊分类器的异同和优缺点，给出它们的适用范围。

2．分析实验结果；总结本实验的心得体会，对不足之处提出改进意见。

实验四基于BP网络的函数逼近

一、实验目的

掌握BP网络的基本原理，能利用BP网络解决函数逼近问题。

二、实验设备

微机

三、实验原理

误差反向传播算法步骤如下：

①置各权值或阈值的初始值：

wji（0），θi（0）为小的随机数值；

②提供训练样本：

输入矢量Xk，k=1，2，…，P，期望输出Tk，k=1，2，…，P，对每个输入样本进行下面③~⑤的迭代；

③计算网络的实际输出及隐层单元的状态：

；

④计算训练误差，对于网络输出层：

；对于网络中间层：

。

⑤修正权值和阈值：

。

⑥当所有样本都训练完，即：

k每经历1至P后，如果指标满足精度要求：

E≤ε，则程序结束。

四、实验内容和步骤

1．试设计一个三层BP网络完成函数逼近的通用程序，该网络的各层神经元个数可根据实际问题由用户通过人机交互界面输入。

2．编写、调试程序。

3．对以下测试样例，给出实验结果

输入矢量：

p=-1:

0.1:

1;

目标矢量：

t=[-0.9602-0.577-0.07290.37710.64050.660.4609……

0.1336-0.2013-0.4344-0.5-0.393-0.16470.0988……

0.30720.3960.34490.1816-0.0312-0.2189-0.3201];

其中，隐层的神经元个数选为5个。

4．根据实验结果，写实验报告。

五、实验报告

1．分析应用BP网络可解决那些问题，BP网络的优缺点。

2．分析设计BP网络时的关键参数和步骤。

3．分析实验结果；总结本实验的心得体会，对不足之处提出改进意见。

实验五空调模糊控制系统设计

一、实验目的

1．掌握模糊控制系统设计的基本方法。

2．能利用MATLAB模糊逻辑工具箱进行模糊控制系统的设计。

二、实验设备

微机

三、实验原理

模糊控制器采用数字计算机来实现，应该具备下列三个重要功能：

①由模糊化过程和数据库把系统的偏差从数字量转化为模糊量；②对模糊量根据规则库、推理决策给出的规则进行模糊推理；③由精确化接口把推理结果的模糊输出量转化为实际系统能够接受的精确数字量或模拟量。

因此，模糊控制器的设计问题就是模糊化过程、知识库（含数据库和规则库）、推理决策和精确化计算四部分的设计问题。

模糊控制器的设计基本可以分为以下九个步骤：

确定输入输出的模糊子集及其论域、确定各模糊子集的隶属函数、选择控制规则、模糊控制器的关系运算、计算采样时刻输入的清晰值、输入模糊化、模糊决策、模糊判决、输出实际控制量。

四、实验步骤

1．选择模糊控制参数。

2．确定各控制参数的论域。

3．设计各控制参数的隶属度函数。

4．设计控制规则。

5．设计规则评估和冲突消解的方法。

6．设计反模糊化方法。

7．设计一个具有人机交互界面的控制器系统。

8．对具体的输入值，用设计好的控制器进行分析，给出控制输出结果。

五、实验报告

1．讨论在模糊控制系统设计中的关键步骤、关键参数/函数是哪些？

2．分析经典控制理论与模糊控制理论的异同和优缺点，并给出给出模糊控制理论的适用范围。

3．分析实验结果；总结本实验的心得体会，对不足之处提出改进意见。

以下三个实验的实验目的、原理、步骤由同学根据题目自行设计。

实验六模糊边缘检测

实验七基于K-L变换的人脸图像压缩

实验八遗传算法在图像恢复中的应用