第二類B-樣條權函數(shù)神經網(wǎng)絡的算法復雜度研究及應用.pdf

1、算法復雜度是衡量算法計算難度的尺度，對算法復雜度的分析是一個重要課題，最普遍的評價標準是一個算法需要耗費的時間和空間。一個好的算法可以提高運行和存儲效率，對第二類B-樣條權函數(shù)神經網(wǎng)絡的算法復雜度進行研究的目的就是證明其是一個非常優(yōu)秀的算法。
　　樣條權函數(shù)神經網(wǎng)絡作為一種新型結構的人工神經網(wǎng)絡，其訓練算法和拓撲結構首次在《神經網(wǎng)絡新理論與方法》一書中提出的。本文的研究是在樣條權函數(shù)神經網(wǎng)絡的相關概念的基礎上，結合B-樣條函數(shù)相關

2、性質和分析方法，以及算法等方面知識，推導出第二類B-樣條權函數(shù)神經網(wǎng)絡時間復雜度的計算公式。
　　第二類B-樣條權函數(shù)神經網(wǎng)絡時間復雜度公式表明其時間復雜度與插值B-樣條基函數(shù)的次數(shù)、網(wǎng)絡輸入輸出維數(shù)、訓練樣本點個數(shù)都有關系，當插值B-樣條基函數(shù)的次數(shù)很高時，該算法時間復雜度呈現(xiàn)指數(shù)級增長，當插值B-樣條基函數(shù)的次數(shù)較低時，該算法時間復雜度與網(wǎng)絡輸入輸出維數(shù)呈線性增長，與訓練樣本個數(shù)也是呈線性增長的。
　　通過Matlab仿

3、真實驗，驗證了第二類B-樣條權函數(shù)神經網(wǎng)絡時間復雜度公式的正確性，而且與傳統(tǒng)神經網(wǎng)絡相比在訓練時間上有較大的優(yōu)勢。
　　基于第二類B-樣條權函數(shù)神經網(wǎng)絡算法復雜度的理論分析，將第二類B-樣條權函數(shù)神經網(wǎng)絡應用到車牌識別領域，將車牌圖像分割成單個的字符，建立網(wǎng)絡分類器識別每個字符，根據(jù)K-L變換提取車牌字符圖像的特征作為網(wǎng)絡的輸入，根據(jù)網(wǎng)絡輸出的結果判斷是否為該字符，最終得到識別出的車牌結果。通過Matlab仿真實驗表明，第二類B-