時(shí)間：2023-11-01 10:05:52
序論：在您撰寫數(shù)字經(jīng)濟(jì)與網(wǎng)絡(luò)經(jīng)濟(jì)時(shí)，參考他人的優(yōu)秀作品可以開闊視野，小編為您整理的7篇范文，希望這些建議能夠激發(fā)您的創(chuàng)作熱情，引導(dǎo)您走向新的創(chuàng)作高度。
【關(guān)鍵詞】數(shù)字經(jīng)濟(jì)信息經(jīng)濟(jì)知識經(jīng)濟(jì)
一、信息經(jīng)濟(jì)的內(nèi)涵
“信息經(jīng)濟(jì)”的概念可以追溯到20世紀(jì)六、七十年代美國經(jīng)濟(jì)學(xué)家馬克盧普和波拉特對于知識生產(chǎn)的有關(guān)研究。馬克盧普1962年在《美國知識的生產(chǎn)和分配》中建立了一套關(guān)于信息產(chǎn)業(yè)的核算體系，奠定了研究“信息經(jīng)濟(jì)”概念的基礎(chǔ)。1977年，波拉特在其博士論文中提出按照農(nóng)業(yè)、工業(yè)、服務(wù)業(yè)、信息業(yè)分類的四次產(chǎn)業(yè)劃分方法，獲得廣泛認(rèn)可。20世紀(jì)80年代，美國經(jīng)濟(jì)學(xué)家保爾?霍肯在《未來的經(jīng)濟(jì)》中明確提出信息經(jīng)濟(jì)概念，并描述信息經(jīng)濟(jì)是一種以新技術(shù)、新知識和新技能貫穿于整個社會活動的新型經(jīng)濟(jì)形式，其根本特征是經(jīng)濟(jì)運(yùn)行過程中信息成分大于物質(zhì)成分占主導(dǎo)地位，以及信息要素對經(jīng)濟(jì)的貢獻(xiàn)。
在上述研究的基礎(chǔ)上，自20世紀(jì)90年代開始，全球范圍內(nèi)拉開了討論“信息經(jīng)濟(jì)”概念及理論體系的序幕。目前，比較成熟的研究觀點(diǎn)認(rèn)為信息經(jīng)濟(jì)可以從微觀和宏觀角度理解。從宏觀經(jīng)濟(jì)角度看，主要研究信息作為生產(chǎn)要素在經(jīng)濟(jì)系統(tǒng)中的運(yùn)作規(guī)律。這種觀點(diǎn)同知識經(jīng)濟(jì)相通，屬于同一個范疇；而從微觀經(jīng)濟(jì)角度看，信息經(jīng)濟(jì)所涉及到的重點(diǎn)研究內(nèi)容是分析信息產(chǎn)業(yè)和信息產(chǎn)品的特征、以及信息產(chǎn)業(yè)對國民經(jīng)濟(jì)的貢獻(xiàn)力度。這種觀點(diǎn)強(qiáng)調(diào)信息經(jīng)濟(jì)是信息產(chǎn)業(yè)部門經(jīng)濟(jì)。由于信息技術(shù)對經(jīng)濟(jì)社會的微觀領(lǐng)域產(chǎn)生重要影響，因而相當(dāng)多的專家學(xué)者更傾向認(rèn)為信息經(jīng)濟(jì)一定程度上主要是指信息產(chǎn)業(yè)經(jīng)濟(jì)。
二、網(wǎng)絡(luò)經(jīng)濟(jì)的內(nèi)涵
“網(wǎng)絡(luò)經(jīng)濟(jì)”概念的提出同上個世紀(jì)90年代全球范圍內(nèi)因特網(wǎng)的興起有著密切的聯(lián)系。因此，網(wǎng)絡(luò)經(jīng)濟(jì)又被稱為因特網(wǎng)經(jīng)濟(jì)，是指基于因特網(wǎng)進(jìn)行資源的生產(chǎn)、分配、交換和消費(fèi)為主的新形式的經(jīng)濟(jì)活動。在網(wǎng)絡(luò)經(jīng)濟(jì)的形成與發(fā)展過程中，互聯(lián)網(wǎng)的廣泛應(yīng)用及電子商務(wù)的蓬勃興起發(fā)揮了舉足輕重的作用。一方面，伴隨國際互聯(lián)網(wǎng)的發(fā)展，大量新興行業(yè)不斷涌現(xiàn)，資源配置得以進(jìn)一步優(yōu)化，構(gòu)成網(wǎng)絡(luò)經(jīng)濟(jì)不可缺少的一部分；另一方面，電子商務(wù)帶來虛擬網(wǎng)絡(luò)交易模式，傳統(tǒng)交易活動演變成通過國際互聯(lián)網(wǎng)進(jìn)行的網(wǎng)絡(luò)交易活動，構(gòu)成網(wǎng)絡(luò)經(jīng)濟(jì)的重要組成部分。
與知識經(jīng)濟(jì)、信息經(jīng)濟(jì)和數(shù)字經(jīng)濟(jì)相比，網(wǎng)絡(luò)經(jīng)濟(jì)這一術(shù)語的區(qū)別在于它突出了因特網(wǎng)，并將基于國際互聯(lián)網(wǎng)進(jìn)行的電子商務(wù)看視作網(wǎng)絡(luò)經(jīng)濟(jì)的核心內(nèi)容。
三、知識經(jīng)濟(jì)的內(nèi)涵
二次世界大戰(zhàn)后，由于科技進(jìn)步，全球知識生產(chǎn)、流通速度不斷提高，分配范圍不斷擴(kuò)大，社會經(jīng)濟(jì)面貌煥然一新。在此背景之下，相當(dāng)多的學(xué)者也開始關(guān)注知識與經(jīng)濟(jì)社會之間的聯(lián)系，知識經(jīng)濟(jì)的概念逐漸形成。例如，美國丹尼爾?貝爾和日本屋太一等學(xué)者分別從“后工業(yè)社會”、“知識價(jià)值社會”的角度論述了知識在社會經(jīng)濟(jì)中的作用。這些論述雖然還沒有提出知識經(jīng)濟(jì)的基本概念，但卻已經(jīng)涉及到了知識經(jīng)濟(jì)的基本內(nèi)容。
1996年經(jīng)濟(jì)合作與發(fā)展組織（OECD）在年度報(bào)告《以知識為基礎(chǔ)的經(jīng)濟(jì)》中認(rèn)為，知識經(jīng)濟(jì)是以知識為基礎(chǔ)的經(jīng)濟(jì)，直接依賴于知識和信息的生產(chǎn)、傳播和應(yīng)用。從生產(chǎn)要素的角度看，知識要素對經(jīng)濟(jì)增長的貢獻(xiàn)高于土地、勞動力、資本等，因而“知識經(jīng)濟(jì)”是一種知識為基礎(chǔ)要素和增長驅(qū)動器的經(jīng)濟(jì)模式。特別是隨著現(xiàn)代信息和通信技術(shù)的發(fā)展，知識和信息的傳播和應(yīng)用達(dá)到了空前的規(guī)模，知識對經(jīng)濟(jì)增長的影響更加明顯，已成為提高勞動生產(chǎn)率和實(shí)現(xiàn)經(jīng)濟(jì)增長的引擎。正如美國學(xué)者美唐?泰普斯科特（Don Tapscott）所言：信息科技強(qiáng)化了以知識為基礎(chǔ)的經(jīng)濟(jì)。換言之，知識經(jīng)濟(jì)最重要的特征是知識的創(chuàng)造以及其對經(jīng)濟(jì)發(fā)展的貢獻(xiàn)比重大幅度地增加了。
四、比較及總結(jié)
通過上述各概念分析，知識經(jīng)濟(jì)、信息經(jīng)濟(jì)、網(wǎng)絡(luò)經(jīng)濟(jì)和數(shù)字經(jīng)濟(jì)之間的確存在差異。知識經(jīng)濟(jì)強(qiáng)調(diào)知識作為要素在經(jīng)濟(jì)發(fā)展中的作用；信息經(jīng)濟(jì)強(qiáng)調(diào)信息技術(shù)相關(guān)產(chǎn)業(yè)對經(jīng)濟(jì)增長的影響；網(wǎng)絡(luò)經(jīng)濟(jì)強(qiáng)調(diào)因特網(wǎng)進(jìn)行資源分配、生產(chǎn)、交換和消費(fèi)為主的經(jīng)濟(jì)活動；數(shù)字經(jīng)濟(jì)則突出表現(xiàn)在整個經(jīng)濟(jì)領(lǐng)域的數(shù)字化。但正是存在差異，才產(chǎn)生必然聯(lián)系性。雖然知識在經(jīng)濟(jì)發(fā)展中的作用早已提出，但是“知識經(jīng)濟(jì)”概念的提出并受到重視卻是最近幾十年的事情。知識經(jīng)濟(jì)的產(chǎn)生是人類發(fā)展過程中知識積累到一定程度的結(jié)果，并最終孕育了信息技術(shù)和因特網(wǎng)的誕生。同時(shí)，信息技術(shù)和因特網(wǎng)的廣泛應(yīng)用更加促進(jìn)人類知識的積累，并加速人類向數(shù)字時(shí)代的過渡。知識經(jīng)濟(jì)、信息（產(chǎn)業(yè)）經(jīng)濟(jì)、網(wǎng)絡(luò)（因特網(wǎng)）經(jīng)濟(jì)這些概念在同一個時(shí)代提出并不是相互矛盾或重復(fù)，而是從不同方面描述當(dāng)前正處于變化中的世界?！爸R經(jīng)濟(jì)――信息（產(chǎn)業(yè)）經(jīng)濟(jì)、網(wǎng)絡(luò)（因特網(wǎng)）經(jīng)濟(jì)――數(shù)字經(jīng)濟(jì)”之間的關(guān)系是“基礎(chǔ)內(nèi)容――催化中介――結(jié)果形式”。知識的不斷積累是當(dāng)今世界變化的基礎(chǔ)；信息產(chǎn)業(yè)、網(wǎng)絡(luò)經(jīng)濟(jì)的蓬勃發(fā)展是當(dāng)代社會發(fā)生根本變化的催化劑；數(shù)字經(jīng)濟(jì)是發(fā)展的必然結(jié)果和表現(xiàn)形式。因而這幾個概念相輔相成，一脈相傳。
圖1 數(shù)字經(jīng)濟(jì)等相關(guān)概念的區(qū)別與聯(lián)系
參考文獻(xiàn)
[1]烏家培，肖靜華.信息經(jīng)濟(jì)學(xué)［M］.北京：高等教育出版社，2007.
[2]吳季松.知識經(jīng)濟(jì)學(xué)［M］.北京：首都經(jīng)濟(jì)貿(mào)易大學(xué)出版社，2007.
[3]烏家培.信息社會與網(wǎng)絡(luò)經(jīng)濟(jì)［M］.長春：長春出版社，2002.
[4]紀(jì)玉山.網(wǎng)絡(luò)經(jīng)濟(jì)學(xué)引論［M］.長春：吉林教育出版社，1998.
[5]劉列勵.信息網(wǎng)絡(luò)經(jīng)濟(jì)與電子商務(wù)［M］.北京：北京郵電大學(xué)出版社，2001.
關(guān)鍵詞關(guān)鍵詞：神經(jīng)網(wǎng)絡(luò)；數(shù)字識別；特征提取
中圖分類號：TP312文獻(xiàn)標(biāo)識碼：A 文章編號：16727800（2014）002005803
0引言
數(shù)字識別是模式識別領(lǐng)域的一個重要分支，在表單自動讀取、信息錄入等方面有著重要作用。圖像的像素特征反映了圖像的大量信息，穩(wěn)定性好、易于實(shí)現(xiàn)。其矩特征具有平移、旋轉(zhuǎn)和縮放不變性，匹配性好[1]。
人工神經(jīng)網(wǎng)絡(luò)是由大量簡單的基本元件——神經(jīng)元相互連接，通過模擬人的大腦神經(jīng)處理信息的方式，進(jìn)行信息并行處理和分線性轉(zhuǎn)換的復(fù)雜網(wǎng)絡(luò)系統(tǒng)[2]。自1943年心理學(xué)家McCulloch和數(shù)學(xué)家Pitts提出神經(jīng)元生物學(xué)模型以來，人工神經(jīng)網(wǎng)絡(luò)經(jīng)過不斷地發(fā)展成熟，至今已經(jīng)廣泛地應(yīng)用于各個領(lǐng)域。本文將圖像的像素特征和矩特征相結(jié)合，用于人工神經(jīng)網(wǎng)絡(luò)分類器的訓(xùn)練和測試，獲得了良好的識別效果。
1圖像特征提取
特征提取是根據(jù)測量數(shù)據(jù)確定出對分類有意義的數(shù)據(jù)作為特征數(shù)據(jù)，這些特征類內(nèi)樣本距離應(yīng)盡量小，類間樣本距離應(yīng)盡量大[3]。特征提取算法應(yīng)具有較高的穩(wěn)定性和魯棒性，同時(shí)又便于提取，易于實(shí)現(xiàn)。在特征提取之前，需要對圖像進(jìn)行預(yù)處理。首先，將圖像進(jìn)行二值化處理，保證目標(biāo)像素值為1，背景像素值為0；然后，將圖像歸一化為16*16像素大小。在完成圖像二值化和歸一化的基礎(chǔ)上，再對圖像的像素特征和Hu矩特征進(jìn)行特征提取。
1.1像素特征提取
將16*16的二值圖像矩陣轉(zhuǎn)化為256維的0、1向量，得到圖像的256維像素特征。
將圖像水平分成四份，垂直分成兩份，分別統(tǒng)計(jì)這8個區(qū)域內(nèi)白像素的個數(shù)，得到8維特征。水平和垂直各劃兩條線把水平和垂直分割成三分，統(tǒng)計(jì)這四條線穿過的白像素的個數(shù)，得到4維特征。字符圖像全部白像素?cái)?shù)作為1維特征，得到圖像的13網(wǎng)格特征[4]，數(shù)字1-9的13網(wǎng)格特征如表1所示。
本文設(shè)計(jì)的PNN神經(jīng)網(wǎng)絡(luò)輸入向量為上文提取的276維特征向量，激活函數(shù)采用高斯函數(shù)，與BP神經(jīng)網(wǎng)絡(luò)采用相同的測試集，識別率達(dá)到92.5%。與BP神經(jīng)網(wǎng)絡(luò)相比，識別率有了大大提高，且省去了訓(xùn)練時(shí)間。
3結(jié)語
BP神經(jīng)網(wǎng)絡(luò)采用學(xué)習(xí)率可變的訓(xùn)練算法，收斂速度最快，可有效節(jié)省時(shí)間。PNN神經(jīng)網(wǎng)絡(luò)在創(chuàng)建網(wǎng)絡(luò)的過程中對網(wǎng)絡(luò)進(jìn)行訓(xùn)練，簡化了BP神經(jīng)網(wǎng)絡(luò)復(fù)雜的學(xué)習(xí)過程，且與BP神經(jīng)網(wǎng)絡(luò)相比具有更好的分類性能。在模式識別領(lǐng)域，PNN神經(jīng)網(wǎng)絡(luò)有著巨大的優(yōu)越性。當(dāng)然，本文使用的276維特征存在一定程度的冗余，是制約分類器性能的一方面原因，在以后的研究中需要在這些方面作出改進(jìn)。
參考文獻(xiàn)：
[1]李曉慧. 基于MATLAB的BP神經(jīng)網(wǎng)絡(luò)的應(yīng)用[J].科技信息，2010（26）.
[2]徐遠(yuǎn)芳，周旸，鄭華. 基于MATLAB的BP神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)研究[J].微型電腦應(yīng)用，2006（08）.
[3]Neural Network Toolbox[M].Mathworks，2007：113.
[4]TAN， KOK KIONG.Neural network control：theory and applications[M].Research Studies Press，2004.
[5]周明，孫樹棟.遺傳算法原理及應(yīng)用[M].北京：國防工業(yè)出版社，1999.
[6]魏海坤.神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)的理論與方法[M].北京：國防工業(yè)出版社，2005.
[7]呂瓊帥.BP神經(jīng)網(wǎng)絡(luò)的優(yōu)化與研究[D].鄭州：鄭州大學(xué)，2011.
[8]高雋.人工神經(jīng)網(wǎng)絡(luò)原理及仿真實(shí)例[M].北京：機(jī)械工業(yè)出版社，2003.
【關(guān)鍵詞】數(shù)字圖書館；管理；運(yùn)作模式；服務(wù)方式；傳播理論
一、數(shù)字圖書館之我見
數(shù)字圖書館是隨著計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)、數(shù)據(jù)庫技術(shù)、多媒體技術(shù)的發(fā)展而產(chǎn)生的，是一項(xiàng)全新的社會事業(yè)，發(fā)展至今十幾年仍沒有一個明確的定義。關(guān)于數(shù)字圖書館的幾十種定義，前人已經(jīng)做了很好的歸納和總結(jié)。筆者在此只給出數(shù)字圖書館的一個簡單定義，并不一一羅列，即數(shù)字圖書館就是一種虛擬的擁有多種媒體內(nèi)容的超大規(guī)模、分布式的數(shù)字化信息資源，是便于使用的、沒有時(shí)空限制的、可以實(shí)現(xiàn)用戶的跨庫鏈接與智能檢索，并為一定的社會政治、經(jīng)濟(jì)服務(wù)的文化教育機(jī)構(gòu)以及機(jī)構(gòu)的組合。但不管站在什么角度看數(shù)字圖書館，它都具備3個特點(diǎn)：即信息資源數(shù)字化、信息存取網(wǎng)絡(luò)化以及分布式管理。數(shù)字圖書館在信息服務(wù)過程中發(fā)揮著舉足輕重的作用，其核心價(jià)值和功能是信息存儲與管理，它搭建起社會信息資源共享的平臺，承擔(dān)了傳播社會知識開展公益服務(wù)的使命。數(shù)字圖書館的建設(shè)是一項(xiàng)造福后代的宏偉工程，是中華民族文化數(shù)字化網(wǎng)絡(luò)化的最重要的組成部分，是關(guān)系到中華民族文化能否成為互聯(lián)網(wǎng)的主流文化的關(guān)鍵。數(shù)字圖書館建設(shè)成功之后，將使傳統(tǒng)圖書館以一種嶄新的面貌煥然于世人面前。隨著電子傳媒的不斷發(fā)展，進(jìn)入開口必談“．com”的 21 世紀(jì)后，網(wǎng)絡(luò)帶著不可抗拒的魅力和不可理喻的特殊魔力，為大眾傳播理論提出了新的課題。以網(wǎng)絡(luò)技術(shù)為代表的新一代信息傳播技術(shù)的發(fā)展，使得新的人類信息傳播體系已經(jīng)開始形成?，F(xiàn)在更多的人開始習(xí)慣在互聯(lián)網(wǎng)上查閱最新的期刊報(bào)紙乃至最古老的歷史文獻(xiàn)，走進(jìn)圖書館查資料的學(xué)習(xí)和科研方式有了新的而且更具優(yōu)勢的替代方法。在網(wǎng)絡(luò)技術(shù)出現(xiàn)之前，人類信息存儲和管理幾乎是圖書館的“專利”，然而這項(xiàng)“專利”在網(wǎng)絡(luò)時(shí)代受到了前所未有的挑戰(zhàn)。
二、數(shù)字圖書館信息傳播的主要內(nèi)容
如何在網(wǎng)絡(luò)環(huán)境下建設(shè)數(shù)字圖書館，一直是圖書館界面臨的富有爭議性的話題。通過分析信息技術(shù)發(fā)展的趨勢和規(guī)律以及信息傳播學(xué)的理論和發(fā)展趨勢，可以為我們建設(shè)數(shù)字圖書館提供極具參考價(jià)值的意見。
2.1 圖書館的傳播類型
結(jié)合傳播的基本模式來看，圖書館傳播可分為：①自我傳播：即圖書館內(nèi)部組織機(jī)構(gòu)及其功能的合理配置與有效協(xié)調(diào)。②館際傳播：就是館際互借與文獻(xiàn)傳遞。③組織傳播：以組織為單位的傳播類型，方式主要有建立地區(qū)性、全國性或國際性聯(lián)盟以舉辦會議、出版專著和專業(yè)期刊、共建公共服務(wù)體系等。④大眾傳播：即通過大眾傳媒對圖書館形象進(jìn)行傳播。
2.2 數(shù)字圖書館信息傳播的特點(diǎn)
首先，網(wǎng)絡(luò)信息傳播具有交互性、選擇性、即時(shí)性、網(wǎng)絡(luò)信息資源的無限性等特性，這些特征的描述也基本上涵蓋了網(wǎng)絡(luò)環(huán)境下圖書館信息傳播所應(yīng)有的特點(diǎn)。故此，網(wǎng)絡(luò)環(huán)境下數(shù)字圖書館信息傳播的特點(diǎn)包括：①圖書館的信息傳播在時(shí)空上有著更高的自由度；②圖書館信息傳播的速度加快；③圖書館信息傳播載體呈現(xiàn)出多樣化；④圖書館信息傳播包括實(shí)物傳播和網(wǎng)絡(luò)傳播兩種方式。
三、數(shù)字圖書館的服務(wù)形式
3.1 檢索查詢
這是目前圖書館網(wǎng)絡(luò)信息服務(wù)的一個主要的類型。各館都在這方面投入了很大的人力和資金。在這項(xiàng)服務(wù)中，包括館內(nèi)書目查詢、期刊查詢、文獻(xiàn)檢索、數(shù)據(jù)庫檢索、讀者情況查詢、讀者利用查詢、國際聯(lián)機(jī)檢索、光盤檢索等等。各館還根據(jù)自己的情況存在差別或限制，實(shí)際也是大多數(shù)情況下并不能滿足讀者的需要。很多還要額外付費(fèi)或親自到館內(nèi)的專門檢索部門去接受線上查詢。總之，無論目前狀況如何，檢索查詢服務(wù)在未來仍是圖書館網(wǎng)絡(luò)信息服務(wù)的重要形式。
3.2 在線閱覽
在線閱覽不是說在網(wǎng)上直接瀏覽相關(guān)的網(wǎng)絡(luò)網(wǎng)頁，而是圖書館專門提供電子圖書的線閱讀服務(wù)，比如使用像超星圖書閱覽器進(jìn)行在線讀書，國家圖書館、上海圖書館圖書館都提供了電子圖書在線閱讀服務(wù)。到國家圖書館的WEB服務(wù)器上下載一個圖書瀏覽器插件npbook.exe，在客戶端安裝以后，即可在網(wǎng)上閱讀他們提供的電子圖書。清華大學(xué)圖書館的“一本書齋”電子圖書服務(wù)，也是下載安裝超星圖書閱覽器，就能在線讀書。上海圖書館的“書海漫游”欄目辦得尤為精彩，不但內(nèi)容豐富，而且網(wǎng)頁也制作得十分精美。其電子文獻(xiàn)都是以純文本格式存儲，不需要借助任何軟件就可以直接通過瀏覽器在線閱覽，很是方便。
3.3 其他服務(wù)形式
除了上述二種服務(wù)形式外，還有搜索引擎、網(wǎng)上教室、交互信息服務(wù)、機(jī)上目錄、FTP等，用戶能夠客觀地把握所學(xué)知識的總體框架，從而進(jìn)行系統(tǒng)深入的學(xué)習(xí)和研究。圖書館公告、圖書館人才招聘交流廣告、網(wǎng)上問卷調(diào)查、讀者留言、信息反饋等，具有一定的實(shí)時(shí)性和交互性，是圖書館通過網(wǎng)絡(luò)與讀者用戶交流的主要途徑。機(jī)上目錄將傳統(tǒng)服務(wù)在網(wǎng)絡(luò)上進(jìn)行拓展，既方便了讀者和用戶，也減輕了館員的工作負(fù)擔(dān)，使得他們不必長時(shí)間陷于借與還的重復(fù)之中，可以更好的進(jìn)行其它的服務(wù)和研究。
四、對數(shù)字圖書館的一些建議
4.1 圖書館應(yīng)主動與科研人員聯(lián)系，跟蹤科研課題的進(jìn)展情況，深入了解他們的需要，設(shè)計(jì)定題服務(wù)方案，建立定題服務(wù)數(shù)據(jù)庫，做好整個過程的定題跟蹤服務(wù)。高校圖書館可為教學(xué)提供定題服務(wù)，利用導(dǎo)航庫定期向教師提供專題信息資料、學(xué)科發(fā)展動態(tài)、學(xué)科專業(yè)文獻(xiàn)目錄等。圖書館主動定期與用戶聯(lián)系溝通，并對用戶的課題進(jìn)行全程跟蹤服務(wù)。
4.2 開展個性化信息服務(wù)是圖書館信息服務(wù)的發(fā)展方向，是滿足用戶個性化信息需求的重要手段，更是網(wǎng)絡(luò)時(shí)代圖書館生存發(fā)展的需要。高校圖書館開展個性化服務(wù)要做好兩個方面的工作！
第一，研究用戶的需求，建立用戶信息檔案！用戶的需求行為直接影響著圖書館信息服務(wù)的內(nèi)容和方式，只有通過對用戶信息需求特點(diǎn)、方向進(jìn)行跟蹤分析，才能有效地開展服務(wù)，才能更好地滿足用戶信息需求！
第二，建立自己的特色館藏?cái)?shù)據(jù)庫！圖書館要及時(shí)完整地將館藏的各種紙質(zhì)文獻(xiàn)及其他介質(zhì)的文獻(xiàn)進(jìn)行數(shù)字化處理，利用已有的數(shù)據(jù)庫，如中國學(xué)術(shù)期刊全文數(shù)據(jù)庫、維普資訊數(shù)據(jù)庫、萬方數(shù)據(jù)庫等。結(jié)合本地區(qū)的經(jīng)濟(jì)發(fā)展及用戶類型，建立有自己特色的館藏?cái)?shù)據(jù)庫，并隨時(shí)更新，免費(fèi)為用戶提供服務(wù)。以培養(yǎng)讀者信息獲取和運(yùn)用能力為基礎(chǔ)，廣泛信息素養(yǎng)教育。
第三，高校圖書館開展信息素養(yǎng)教育，對全面增進(jìn)學(xué)生對文獻(xiàn)信息的檢索、分析以及開發(fā)利用的無疑具有重要的作用！信息素養(yǎng)教育的根本目讓學(xué)生適應(yīng)社會信息環(huán)境，培養(yǎng)他們的信息獲識、信息傳播意識、信息保密意識和信息更新。信息素養(yǎng)教育的關(guān)鍵是使大學(xué)生綜合素養(yǎng)獲得提升，為實(shí)現(xiàn)自我發(fā)展打下良好基礎(chǔ)！
【參考書目】
[1]劉嘉．網(wǎng)絡(luò)環(huán)境下圖書館的變革研究［J］．中國圖書館學(xué)報(bào)，2001(1)．
[2]鄒忠民．網(wǎng)絡(luò)環(huán)境下信息服務(wù)的特點(diǎn)及圖書館發(fā)展探索［J］．中國圖書館報(bào)，2001，(1)．
關(guān)鍵詞：BP神經(jīng)網(wǎng)絡(luò)；數(shù)字識別；特征提取
中圖分類號：TP183 文獻(xiàn)標(biāo)識碼：A 文章編號：1009-3044（2013）14-3362-04
1 概述
數(shù)字識別在車輛牌照識別、銀行支票識別和郵政儲蓄票據(jù)識別等領(lǐng)域有著廣泛的應(yīng)用，因而成為研究人員近年來研究的一個焦點(diǎn)[1]。而人腦神經(jīng)系統(tǒng)模型的建立為人工神經(jīng)網(wǎng)絡(luò)的產(chǎn)生提供了理論模型依據(jù)， 使其具有模擬人腦部分形象思維的能力[2]，因而使其成為人工智能技術(shù)的重要組成部分和常用方法。人工神經(jīng)網(wǎng)絡(luò)由簡單信息處理單元相互連接組成，通過簡單處理單元間的相互作用來實(shí)現(xiàn)對其所接收信息的處理。而隨著人工神經(jīng)網(wǎng)絡(luò)技術(shù)的快速發(fā)展，其為解決模式識別鄰域的相關(guān)問題提供了新的解決思路和方法，其突出的優(yōu)點(diǎn)在于它具有對接收信息可進(jìn)行并行分布式處理能力和自我學(xué)習(xí)反饋能力，因而吸引了眾多研究人員對其進(jìn)行廣泛和深入的研究。而誤差反向傳播網(wǎng)絡(luò)（Back-Propagation），即BP神經(jīng)網(wǎng)絡(luò)，是一種典型的人工神經(jīng)網(wǎng)絡(luò)，它具有人工神經(jīng)網(wǎng)絡(luò)的所有優(yōu)點(diǎn)，因而在眾多技術(shù)鄰域有著廣泛的應(yīng)用[3]。該文首先對BP神經(jīng)網(wǎng)絡(luò)的基本原理進(jìn)行了詳細(xì)介紹，在分析了其基本原理的基礎(chǔ)上，針對數(shù)字識別問題，設(shè)計(jì)了一種利用BP神經(jīng)網(wǎng)絡(luò)技術(shù)進(jìn)行數(shù)字識別的方法。經(jīng)實(shí)驗(yàn)表明，該方法合理可行，且其識別效果正確有效。
2 相關(guān)原理與知識
由于本文針對數(shù)字識別問題，利用BP神經(jīng)網(wǎng)絡(luò)技術(shù)對其進(jìn)行方法設(shè)計(jì)和實(shí)現(xiàn)，首先必須了解BP神經(jīng)網(wǎng)絡(luò)的基本原理，即了解其具體構(gòu)成形式、模型分類和其功能特點(diǎn)。其次，在了解了BP神經(jīng)網(wǎng)絡(luò)基本原理的基礎(chǔ)上，進(jìn)一步了解其所處理數(shù)據(jù)的特點(diǎn)和組成形式，并根據(jù)處理數(shù)據(jù)的特點(diǎn)和其數(shù)據(jù)結(jié)構(gòu)設(shè)計(jì)相應(yīng)的數(shù)字識別方法。下面分別對它們進(jìn)行詳細(xì)的介紹。
2.1 BP神經(jīng)網(wǎng)絡(luò)基本原理
BP神經(jīng)網(wǎng)絡(luò)算法由數(shù)據(jù)信息流的前向計(jì)算，即正向信息流的正向傳遞，誤差信息的反向回饋兩個部分組成。當(dāng)信息流進(jìn)行正向傳遞時(shí)，其傳遞方向?yàn)閺妮斎雽拥诫[層再到輸出層的順序，器每層神經(jīng)元所處的狀態(tài)只會影響下一層神經(jīng)元的狀態(tài)。若在最后的輸出層沒有得到理想的輸出信息，則應(yīng)立即進(jìn)入誤差信息的反向回饋過程[6]。最終經(jīng)過這兩個過程的相互交替運(yùn)行，同時(shí)在權(quán)向量空間使用誤差函數(shù)梯度下降策略，動態(tài)迭代搜索得到一組權(quán)向量，使得該BP神經(jīng)網(wǎng)絡(luò)的誤差函數(shù)值達(dá)到最小，從而完成對信息提取和記憶過程[7]。
2.2 BMP二值圖像文件數(shù)據(jù)結(jié)構(gòu)
由于本文處理的數(shù)據(jù)源為BMP二值圖像，則必須了解其數(shù)據(jù)結(jié)構(gòu)，才能對其進(jìn)行進(jìn)一步的識別方法設(shè)計(jì)。由數(shù)字圖像處理基礎(chǔ)知識可知，常見BMP二值圖像文件的數(shù)據(jù)結(jié)構(gòu)由以下三部分組成：（1）位圖文件頭，其包含了BMP二值圖像的文件類型、文件大小和位圖數(shù)據(jù)起始位置等信息；（2）位圖信息頭，它包含了BMP二值圖像的位圖寬度和高度、像素位數(shù)、壓縮類型、位圖分辨率和顏色定義等信息；（3）位圖數(shù)據(jù)體，其記錄了位圖數(shù)據(jù)每一個像素點(diǎn)的像素值，記錄順序在掃描行內(nèi)是從左到右，掃描行之間是從下到上。因此，根據(jù)BMP二值圖像數(shù)據(jù)結(jié)構(gòu)信息，讀出所需要的圖像數(shù)據(jù)，并對這些圖像數(shù)據(jù)做進(jìn)一步的處理。在本文給定的訓(xùn)練圖像中，圖像數(shù)據(jù)大小為80個字節(jié)，而圖像數(shù)據(jù)體距離其文件頭的偏移量為62個字節(jié)。但為了減少數(shù)據(jù)處理數(shù)量，該文在進(jìn)行實(shí)驗(yàn)時(shí)直接使用位圖數(shù)據(jù)體中的數(shù)據(jù)，沒有通過讀出位圖文件頭來得到位圖數(shù)據(jù)體中的數(shù)據(jù)。
3 數(shù)字識別具體設(shè)計(jì)方法
由上文可知，該文使用數(shù)據(jù)源為圖像大小為20*20的BMP二值圖像，由于是對位圖數(shù)據(jù)體的數(shù)據(jù)直接進(jìn)行操作，因此省去了對圖像其他數(shù)據(jù)結(jié)構(gòu)數(shù)據(jù)的繁雜處理過程，將問題的核心轉(zhuǎn)向BP神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)方法步驟。
4 實(shí)驗(yàn)結(jié)果
圖4所示為BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練及測試結(jié)果圖。該文選擇10個訓(xùn)練樣本，通過實(shí)驗(yàn)結(jié)果可以看出，由這10個訓(xùn)練樣本訓(xùn)練出來的BP神經(jīng)網(wǎng)絡(luò)對于訓(xùn)練樣本中的圖像數(shù)值識別率達(dá)100%，訓(xùn)練時(shí)間也比較短，其迭代次數(shù)大概為700次左右。對于一些含有噪聲的圖片，只要噪聲系數(shù)小于0.85個字符，其數(shù)字識別率可達(dá)96%。
5 結(jié)束語
針對二值圖像數(shù)字識別問題，該文在對BP神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)理論進(jìn)行分析后，設(shè)計(jì)了一種基于BP神經(jīng)網(wǎng)絡(luò)的數(shù)字識別方法，并通過實(shí)驗(yàn)驗(yàn)證了該BP神經(jīng)網(wǎng)絡(luò)用于數(shù)字識別的可行性和有效性。而對于BP神經(jīng)網(wǎng)絡(luò)存在的收斂速度慢、易陷入局部最優(yōu)和學(xué)習(xí)、記憶具有不穩(wěn)定性等問題，還有待于對其進(jìn)行一步研究。
參考文獻(xiàn)：
[1] 韓力群.人工神經(jīng)網(wǎng)絡(luò)教程[M].北京：北京郵電大學(xué)出版社，2006.
[2] 呂俊，張興華.幾種快速BP算法的比較研究[J].現(xiàn)代電子技術(shù)，2003，24（167）：96-99.
[3] 陸瓊瑜，童學(xué)鋒.BP算法改進(jìn)的研究[J].計(jì)算機(jī)工程與設(shè)計(jì)，2007（10）：96-97.
[4] Sven Behnke，Marcus Pfister.A Study on the Combination of Classifiers for Handwritten Digit Recognition，2004.
[5] 馬耀名，黃敏.基于BP神經(jīng)網(wǎng)絡(luò)的數(shù)字識別研究[J].信息技術(shù)，2007（4）：87-88.
[6] Hasan soltanzadeh.Mohammad Rahmati.Recogniton of Persian Handwritten Digits Using Image Profiles of Multiple Orientations[J].Pattern Recognition Leaers，2004（15）.
[7] 吳成東，劉文涵.基于粗網(wǎng)格神經(jīng)網(wǎng)絡(luò)的車牌字符識別方法[J].沈陽建筑大學(xué)報(bào)，2007，23（4）：694-695.
關(guān)鍵詞：數(shù)字化校園；網(wǎng)絡(luò)設(shè)計(jì)；IP地址規(guī)劃
中圖分類號：TP393.18 文獻(xiàn)標(biāo)識碼：A 文章編號：1674-7712 (2012) 14-0044-02
數(shù)字化校園是指一個網(wǎng)絡(luò)化、數(shù)字化、智能化有機(jī)結(jié)合的新型教育、學(xué)習(xí)和研究的校園平臺。它是師生獲取豐富資源的渠道，是師生交互的樞紐、在教學(xué)和管理中起著極其重要的作用。由于數(shù)字化校園建設(shè)是一項(xiàng)龐大的系統(tǒng)工程，本文擬以南京郵電大學(xué)（三牌樓校區(qū)）數(shù)字化校園建設(shè)為例，談?wù)勑@網(wǎng)的優(yōu)化設(shè)計(jì)。
一、現(xiàn)實(shí)與發(fā)展：校園網(wǎng)的不足與訴求
目前，校園網(wǎng)已存在嚴(yán)重不足，表現(xiàn)為網(wǎng)絡(luò)出口帶寬不足，網(wǎng)絡(luò)諸塞、訪問速度慢；管理、計(jì)費(fèi)方式單一，智能化管理滯后；網(wǎng)絡(luò)規(guī)劃不合理，不安全因素增多；網(wǎng)絡(luò)設(shè)備陳舊，制約網(wǎng)絡(luò)性能的發(fā)揮等。
現(xiàn)代化的數(shù)字化校園對網(wǎng)絡(luò)要求較高，中心層必須具有萬兆級帶寬和處理性能；設(shè)備、業(yè)務(wù)、鏈路的可靠性設(shè)計(jì)；智能識別應(yīng)用事件、調(diào)度網(wǎng)絡(luò)資源的QOS需求；阻擊病毒和黑客的攻擊的安全保障等。
二、重構(gòu)與優(yōu)化：數(shù)字化校園的架構(gòu)設(shè)計(jì)
校園網(wǎng)優(yōu)化設(shè)計(jì)方案將從學(xué)校的實(shí)際應(yīng)用出發(fā)，結(jié)合現(xiàn)代信息技術(shù)的發(fā)展，遵循實(shí)用、科學(xué)、合理、靈活和安全的設(shè)計(jì)原則。校園網(wǎng)的架構(gòu)主要是硬件系統(tǒng)架構(gòu)，它包括綜合布線系統(tǒng)架構(gòu)、基礎(chǔ)網(wǎng)絡(luò)架構(gòu)和數(shù)據(jù)中心架構(gòu)等，綜合布線系統(tǒng)采用模塊化的結(jié)構(gòu)，按照每個模塊的不同作用，將工作區(qū)子系統(tǒng)、水平子系統(tǒng)、垂直子系統(tǒng)、管理子系統(tǒng)、設(shè)備間子系統(tǒng)和園區(qū)子系統(tǒng)等的架構(gòu)和優(yōu)化，實(shí)現(xiàn)六個子系統(tǒng)的統(tǒng)一和協(xié)調(diào)；數(shù)據(jù)中心架構(gòu)即實(shí)現(xiàn)服務(wù)器系統(tǒng)的虛擬化和存儲系統(tǒng)的智能化等，本文側(cè)重于基礎(chǔ)網(wǎng)絡(luò)的架構(gòu)。
（一）重構(gòu)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)
采用分層來設(shè)計(jì)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，主要用于局域網(wǎng)設(shè)計(jì)，即將復(fù)雜的網(wǎng)絡(luò)設(shè)計(jì)分成幾個層次，每個層次著重于某些特定的功能，這樣就能夠使一個復(fù)雜的大問題變成許多簡單的小問題。中心層提供整個網(wǎng)絡(luò)的核心任務(wù)，它負(fù)責(zé)中心多層路由、交換能力，中轉(zhuǎn)層主要實(shí)現(xiàn)內(nèi)部網(wǎng)和外部網(wǎng)的訪問控制，減輕了中心層路由交換機(jī)的負(fù)載，同時(shí)保證了設(shè)備的統(tǒng)一性，為將來網(wǎng)絡(luò)維護(hù)和管理提供了極大的便利；接入層向用戶提供桌面，連接和本地的交換能力；中心層通過校園樓宇的光纖連接，可采用多條千兆鏈路捆綁技術(shù)，提供高速的主干通道。這樣設(shè)計(jì)具有節(jié)省成本、易于理解、易于擴(kuò)展、易于排錯等優(yōu)點(diǎn)。
重構(gòu)后的網(wǎng)絡(luò)拓?fù)鋱D如圖1-1所示。
（二）優(yōu)化網(wǎng)絡(luò)系統(tǒng)結(jié)構(gòu)
校園網(wǎng)絡(luò)系統(tǒng)從結(jié)構(gòu)上分為中心層、中轉(zhuǎn)層和接入層。中心層的功能主要是實(shí)現(xiàn)骨干網(wǎng)絡(luò)之間的優(yōu)化傳輸，它一直被認(rèn)為是所有流量的最終承受者和匯聚者，所以對中心層的設(shè)計(jì)以及網(wǎng)絡(luò)設(shè)備的要求十分嚴(yán)格。中心層設(shè)備將占投資的主要部分。中轉(zhuǎn)層的功能主要是連接接入層節(jié)點(diǎn)和中心層中心，中轉(zhuǎn)層設(shè)計(jì)為連接本地的邏輯中心，仍需要較高的性能和比較豐富的功能。接入層的設(shè)計(jì)上主張使用性能價(jià)格比高的設(shè)備。接入層是最終用戶(教師、學(xué)生)與網(wǎng)絡(luò)的接口，應(yīng)該具備即插即用特性以及易于維護(hù)的特點(diǎn)，在接入層面，通過定義相應(yīng)的訪問策略，實(shí)現(xiàn)訪問控制，內(nèi)外隔離。
1.中心層網(wǎng)絡(luò)設(shè)計(jì)
中心層是網(wǎng)絡(luò)的高速交換主干，對整個網(wǎng)絡(luò)的連通起到至關(guān)重要的作用。中心層主要負(fù)責(zé)以下的工作，提供交換區(qū)塊間的連接、提供到其他區(qū)塊如服務(wù)器區(qū)塊的訪問、盡可能快地交換數(shù)據(jù)幀或數(shù)據(jù)包等。它應(yīng)該具有如下幾個特性：可靠性、高效性、冗余性、容錯性、可管理性、適應(yīng)性、低延時(shí)性等。在中心層中，應(yīng)該采用高帶寬的千兆以上交換機(jī)。
2.中轉(zhuǎn)層網(wǎng)絡(luò)設(shè)計(jì)
中轉(zhuǎn)層是網(wǎng)絡(luò)接入層和中心層的“中介”，就是在工作站接入中心層前先做匯聚，以減輕中心層設(shè)備的負(fù)荷，資源和服務(wù)先分散在節(jié)點(diǎn)上，避免了性能瓶頸，增強(qiáng)了擴(kuò)展性。中轉(zhuǎn)層具有實(shí)施策略、安全、虛擬局域網(wǎng)（VLAN）之間的路由、源地址或目的地址過濾等多種功能。在中轉(zhuǎn)層中，應(yīng)該采用支持三層交換技術(shù)和VLAN的交換機(jī)，以達(dá)到網(wǎng)絡(luò)隔離和分段的目的。
3.接入層網(wǎng)絡(luò)設(shè)計(jì)
接入層為用戶提供了接入網(wǎng)絡(luò)的能力，接入層通過堆疊方式連接到分布層中，然后再通過分布層連接到網(wǎng)絡(luò)的主干。應(yīng)注意要適度超前，分期實(shí)施，簡化設(shè)計(jì)，安全隔離。在校園網(wǎng)絡(luò)中，接入層交換機(jī)包括將本地的信息點(diǎn)連接至骨干網(wǎng)絡(luò)，同時(shí)因?yàn)椴捎昧硕询B的技術(shù)，可以使分布層和接入層合而為一，不僅簡化了網(wǎng)絡(luò)結(jié)構(gòu)，同時(shí)也節(jié)省了網(wǎng)絡(luò)投資。
（三）規(guī)劃IP地址
IP地址編址設(shè)計(jì)和分配利用時(shí)，遵循自治、有序、可持續(xù)性和可聚合等原則。此次方案的設(shè)計(jì)中，采用“公私結(jié)合、動靜結(jié)合”的原則，由于學(xué)校由多個子網(wǎng)組成，IP地址采用由32位二進(jìn)制數(shù)碼組成，8位為一組，分為4組，中間用"."隔開。每個子網(wǎng)中，路由器到交換機(jī)各端口起到網(wǎng)關(guān)的作用，為了讓網(wǎng)關(guān)IP地址有規(guī)律，路由器到以太網(wǎng)端口IP地址的主機(jī)標(biāo)識都取"1"。
此次方案的設(shè)計(jì)中采用“公私”結(jié)合和“動靜”結(jié)合，“公私”結(jié)合即根據(jù)所分配的公網(wǎng)IP地址和內(nèi)部私網(wǎng)IP地址相結(jié)合，地址可分為兩大塊，一塊是公網(wǎng)IP地址，作為和國際互聯(lián)網(wǎng)互連的地址，主要供網(wǎng)絡(luò)中心和圖書館、實(shí)驗(yàn)室專用；一塊是“私網(wǎng)”即校園網(wǎng)的普通用戶，使用內(nèi)部地址，如：192.168.xxx.xxx，采用上網(wǎng)的方式；由于網(wǎng)絡(luò)用戶較多，IP地址數(shù)量有限采用“動靜”結(jié)合，靜態(tài)IP地址分配給一些公共的、常用的用戶使用，動態(tài)IP由于所有用戶在同一時(shí)間上網(wǎng)的可能性不大，誰需要上網(wǎng)采取自動獲取的方式獲得IP地址，這就需要中心交換機(jī)支持靜態(tài)或動態(tài)的IP地址分配，并支持動態(tài)IP地址分配方式下DHCP-Relay功能。
三、測試與分析：數(shù)字化校園的優(yōu)點(diǎn)突顯
（一）經(jīng)測試，優(yōu)化方案實(shí)施后與原有校園網(wǎng)絡(luò)數(shù)據(jù)對比如表2
（二）該設(shè)計(jì)的優(yōu)點(diǎn)
解決了用戶存在的帶寬、安全、管理計(jì)費(fèi)、靈活擴(kuò)展等問題，有效地減輕了流量負(fù)荷，使設(shè)備時(shí)刻保持穩(wěn)定和高效，保持了網(wǎng)絡(luò)穩(wěn)定、通暢和安全，也有利于未來網(wǎng)絡(luò)的擴(kuò)充和升級。
參考文獻(xiàn)：
關(guān)鍵詞：人工神經(jīng)網(wǎng)絡(luò)；BP網(wǎng)絡(luò)；數(shù)字識別
中圖分類號：TP183 文獻(xiàn)標(biāo)識碼：A文章編號：1007-9599 (2011) 19-0000-02
Digital Identification Study Based on Neural Network
Wang Qinghai
(Qinghai Normal University,Xining810008,China)
Abstract:At first,this paper introduced the priciple of NN and a BP net,secondly,according to the principle of noised digital number recognition,it designed to the BP network model for applying to identify.At last,the BP network had been effectively carried out by using Visual C++ 6.0 software.Practice shows that the network to identify digital character has a high recognition-rate.The author think that the realization of the network has wide application prospects.
keywords:Artificial nerve network;BP network;Digital recognition
人工神經(jīng)網(wǎng)絡(luò)是人工智能領(lǐng)域發(fā)展最快的信息處理技術(shù)之一，是由研究大腦和神經(jīng)系統(tǒng)獲得的啟示而建立的一種計(jì)算模型。由于其具有鮮明的分類能力、并行處理能力和自學(xué)習(xí)能力。通過對有代表性的樣本的學(xué)習(xí)可以掌握學(xué)習(xí)對象的內(nèi)在規(guī)律，從而可以在一定程度上克服信息量大的問題，解決傳統(tǒng)方法的不足。采用神經(jīng)網(wǎng)絡(luò)的識別方式對字符識別研究提供了一種新的手段，其應(yīng)用具有重要的意義。本文論述了利用神經(jīng)網(wǎng)絡(luò)理論進(jìn)行圖像識別的原理并用Visual C++6.0實(shí)現(xiàn)了在提取圖像特征后，利用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行圖形識別圖像的主要技術(shù)。
一、BP網(wǎng)絡(luò)簡介
BP神經(jīng)網(wǎng)絡(luò)通常采用輸入層、隱層和輸出層的結(jié)構(gòu)形式，層與層之間的神經(jīng)元進(jìn)行全加權(quán)連接。相關(guān)文獻(xiàn)表明，含有一個隱層的3層BP神經(jīng)網(wǎng)絡(luò)可擬合任意的非線性函數(shù)。
圖1中 和 為連接權(quán)系數(shù)矩陣， 和 為偏差矩陣， 為輸入矩陣， 為輸入?yún)?shù)，隱層含有 個神經(jīng)元，輸出層含有 個神經(jīng)元， 和 為各層傳遞函數(shù)。激勵函數(shù)決定了神經(jīng)模型的學(xué)習(xí)和計(jì)算能力，也決定了模型的構(gòu)造方法與性能的優(yōu)劣。本工作網(wǎng)絡(luò)隱層和輸出層都采用 函數(shù)作為激勵函數(shù)。
在實(shí)際訓(xùn)練時(shí)，首先要提供一組訓(xùn)練樣本，其中的每個訓(xùn)練樣本由輸入樣本和理想輸出對組成。當(dāng)網(wǎng)絡(luò)的所有實(shí)際輸出與其理想輸出一致時(shí)，訓(xùn)練結(jié)束。否則，通過誤差逆?zhèn)鞑サ姆椒▉硇拚龣?quán)值使網(wǎng)絡(luò)的理想輸出與實(shí)際輸出一致。反復(fù)學(xué)習(xí)直至樣本集總誤差（公式1）達(dá)到某個精度要求，即E
（公式1）
其中 為網(wǎng)絡(luò)之實(shí)際輸出， 為網(wǎng)絡(luò)期望輸出。
二、數(shù)字字符識別的基本原理
數(shù)字識別系統(tǒng)在實(shí)現(xiàn)的過程當(dāng)中，先分解成兩個大塊，就是圖像預(yù)處理模塊和數(shù)字識別模塊。其中圖像預(yù)處理塊在對圖像進(jìn)行了一系列變換后把最后提到的數(shù)字字符提交給數(shù)字識別模塊，然后進(jìn)行識別并給出結(jié)果。
數(shù)字識別系統(tǒng)中圖像預(yù)處理環(huán)節(jié)用到了許多圖像處理中的相關(guān)技術(shù)：比如灰度化、二值化、圖像內(nèi)容自動調(diào)整、去離散點(diǎn)、圖像的縮放、細(xì)化、曲線平滑、曲線去枝椏操作及神經(jīng)網(wǎng)絡(luò)對提取到的數(shù)字信息進(jìn)行分析判斷[1]。
三、神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)與實(shí)現(xiàn)
（一）數(shù)字的編碼方式
本文采用BP網(wǎng)絡(luò)的思想來設(shè)計(jì)并訓(xùn)練一個可行、高效的BP網(wǎng)絡(luò)，以實(shí)現(xiàn)對0到9共10個加噪聲后的數(shù)字識別。
這里采用8×8個加64點(diǎn)陣的形式，使用美觀的數(shù)碼管字體。
（二）神經(jīng)網(wǎng)絡(luò)模型的建立
由于本文中所介紹的系統(tǒng)采用8×8個加64點(diǎn)陣的形式表示數(shù)字字符，所以容易確定BP神經(jīng)網(wǎng)絡(luò)的輸入層為64維。在輸出層，將0～9數(shù)字用8421碼進(jìn)行編碼，這樣10個數(shù)字就需要4位二進(jìn)制的編碼。因此就可確定輸出層有4個神經(jīng)元。隱層的神經(jīng)元數(shù)目的選擇，是BP算法設(shè)計(jì)的關(guān)鍵。編程證明，當(dāng)隱層神經(jīng)元數(shù)目超過55的時(shí)候，網(wǎng)絡(luò)的訓(xùn)練時(shí)間將無法忍受，同時(shí)抗噪聲能力大大降低[3]；當(dāng)神經(jīng)元數(shù)目低于7的時(shí)候，系統(tǒng)誤差無法收斂到滿意的值，又造成識別率過低[4]。經(jīng)過多次的比較分析、測試，本文最終選定了隱層為49個神經(jīng)元。
（三）數(shù)字識別的基本步驟
Step1：初始化樣本，這里采用兩組樣本訓(xùn)練網(wǎng)絡(luò)，第一組是純凈的不含噪聲的樣本數(shù)據(jù)0-9，第二組是含10%噪聲的樣本數(shù)據(jù)0-9。
Step2：初始化神經(jīng)網(wǎng)絡(luò)。
Step3：利用第一步中的樣本訓(xùn)練神經(jīng)網(wǎng)絡(luò)。
Step4：利用訓(xùn)練好的網(wǎng)絡(luò)進(jìn)行數(shù)字識別。
（四）程序的實(shí)現(xiàn)
本文采用Visual C++6.0加以實(shí)現(xiàn)。
setSamples（）的功能：裝載的網(wǎng)絡(luò)學(xué)習(xí)樣本集和目標(biāo)輸出，并傳遞給inputsamples和targetsamples。
Train（）的功能：根據(jù)setSamples（）裝載的網(wǎng)絡(luò)學(xué)習(xí)樣本集和目標(biāo)輸出，訓(xùn)練網(wǎng)絡(luò)權(quán)值和閥值參數(shù)[6]。
程序的實(shí)際運(yùn)行表明對數(shù)字字符采用如上的BP網(wǎng)絡(luò)可以達(dá)到很高的識別率。
四、結(jié)論
實(shí)踐證明，該網(wǎng)絡(luò)對數(shù)字字符識別具有很高的識別率，由神經(jīng)網(wǎng)絡(luò)具有自學(xué)習(xí)、聯(lián)想、記憶、行處理復(fù)雜模式的功能，在多過程、非線性系統(tǒng)方面的模式識別中發(fā)揮著較大的作用[7]。此網(wǎng)絡(luò)的實(shí)現(xiàn)具有廣闊的應(yīng)用前景。
參考文獻(xiàn)：
[1]方彩婷.基于BP神經(jīng)網(wǎng)絡(luò)的圖像識別與跟蹤研究[D].西安:西安電子科技大學(xué),2006
[2]熊國清,于起峰.用于實(shí)時(shí)跟蹤的快速匹配算法[J].計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué),2002,7(2):46-48
[3]桑農(nóng),張?zhí)煨?旋轉(zhuǎn)與比例不變點(diǎn)特征松弛匹配算法的Hopfield神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)[J].宇航學(xué)報(bào),1999,20(3):106-108
[4]楊小岡,曹菲,繆棟等.系統(tǒng)工程與電子技術(shù)[M].北京:高教出版社,2005
[5]張宏林.Visual C++數(shù)字圖像模式識別技術(shù)及工程實(shí)踐[M].北京:人民郵電出版社,2003
[6]萬里青,趙榮椿,孫隆和.不變性目標(biāo)識別方法研究[J].信號處理,1996,12(2):124-128
[7]焦李成.神經(jīng)網(wǎng)絡(luò)系統(tǒng)理論[M].西安:西安電子科技大學(xué)出版社,1995
關(guān)鍵詞關(guān)鍵詞：MATLAB編程；數(shù)字識別；圖像處理；神經(jīng)網(wǎng)絡(luò)
DOIDOI：10.11907/rjdk.162852
中圖分類號：TP319
文獻(xiàn)標(biāo)識碼：A文章編號文章編號：16727800（2017）005004704
0引言
圖像識別是一項(xiàng)利用計(jì)算機(jī)對圖像進(jìn)行處理、分析和理解，以識別各種不同模式目標(biāo)和對象的技術(shù)[1]。圖像識別技術(shù)目前還不能達(dá)到人類的認(rèn)知水平，但在特定應(yīng)用環(huán)境中，可以通過模式識別或者神經(jīng)網(wǎng)絡(luò)的方法來對圖像中的事物進(jìn)行分類判斷。一般而言，一個數(shù)字字符識別系統(tǒng)主要由3個部分組成，如圖1所示。
圖1系統(tǒng)組成
其中，預(yù)處理模塊將圖片格式（例如JPG格式）轉(zhuǎn)換為計(jì)算機(jī)能識別的二進(jìn)制數(shù)據(jù)流；圖像處理模塊則實(shí)現(xiàn)圖像采集與轉(zhuǎn)換、邊緣提取、歸一化等功能；字符識別模塊可以由兩種方法實(shí)現(xiàn)：模式識別或者神經(jīng)網(wǎng)絡(luò)方式，本文系統(tǒng)采用神經(jīng)網(wǎng)絡(luò)方式。
1識別目標(biāo)及預(yù)期結(jié)果
此系統(tǒng)識別目標(biāo)是在沒有強(qiáng)干擾下，系統(tǒng)能夠準(zhǔn)確識別出圖片中的0～9這10個數(shù)字。示例圖片如圖2所示。
系統(tǒng)識別中所用到的含單個數(shù)字的圖片取自圖2，均為純色背景（不一定必須為白色背景）圖片，且圖片中數(shù)字圖像無較大噪聲干擾。系統(tǒng)經(jīng)過一系列處理后，能成功識別，給出識別結(jié)果，并且給出處理過程中各個階段的圖片，以便更好地理解圖像處理過程。
2預(yù)處理
預(yù)處理是將圖片二值化的過程。預(yù)處理的目的簡單來說就是把彩色圖片處理為計(jì)算機(jī)更好處理的二進(jìn)制數(shù)據(jù)流。預(yù)處理的過程主要分兩部分：彩色圖轉(zhuǎn)灰白圖，灰白圖轉(zhuǎn)二進(jìn)制矩陣形式數(shù)據(jù)。
目前用于彩色圖轉(zhuǎn)換為灰度圖的基本算法主要有：最大值法、平均值法、加權(quán)法，本文采用加權(quán)法。加權(quán)法的主要思想是設(shè)當(dāng)前像素的三分量分別為R，G，B，然后利用公式（1）得到轉(zhuǎn)換后的像素分量值：
GRAY=0.3*R+0.59*G+0.11*B（1）
在MATLAB中，函數(shù)img2gray就是采用加權(quán)法實(shí)現(xiàn)的。圖像二值化就是將圖像像素點(diǎn)的灰度值設(shè)置為0或255，也就是將整個圖像呈現(xiàn)出明顯的黑白效果。二值化的處理過程是將圖像中有意義的特征和需要應(yīng)用的特征進(jìn)行分割，利用前景和背景灰度特性的差異，低于閾值的像素設(shè)定為一個灰度值，高于閾值的像素設(shè)定為另一個灰度值。這樣可將前景色與背景色以明顯差異的灰度級區(qū)分開來[2]。閾值選取有手動選取和自適應(yīng)選取兩種方法。MATLAB中圖像二值化的實(shí)現(xiàn)主要依靠im2bw函數(shù)來實(shí)現(xiàn)。圖像二值化過程中，最重要的是閾值變換。比如數(shù)組a=[120，254，0，200，99]，設(shè)定一個閾值125，并對a進(jìn)行閾值變換，那么a中凡是大于125的，則變?yōu)?55，小于等于125的則變?yōu)?。具體對臨界情況處理可能不同，不過MATLAB中im2bw函數(shù)是按照上述方法處理的。a經(jīng)過閾值變換后變?yōu)閇0，255，0，255，0]。在MATLAB中使用im2bw函數(shù)進(jìn)行圖像二值化處理時(shí)（將圖像轉(zhuǎn)換為二值圖像），人為設(shè)定閾值并不總是十分有效。MATLAB工具箱提供了graythresh函數(shù)[3]。該函數(shù)使用最大類間方差法得到一個閾值，利用這個閾值進(jìn)行圖像二值化通常有效。
經(jīng)過預(yù)處理后得到的二值化圖像，還要經(jīng)過一系列圖像處理過程，才能用于神經(jīng)網(wǎng)絡(luò)訓(xùn)練。
3圖像處理
圖像處理的目的是將圖片變?yōu)樯窠?jīng)網(wǎng)絡(luò)能處理的數(shù)據(jù)流。圖像處理流程如下：
（1）利用梯度銳化。使得圖像更加突出，以便分析。算法：當(dāng)前點(diǎn)像素值與其下一個像素值之差的絕對值，加上當(dāng)前點(diǎn)像素值與其下一行當(dāng)前像素值之差的絕對值，如果結(jié)果大于閾值，則當(dāng)前像素值置為此結(jié)果。
（2）去除離散噪聲。利用遞歸方法查找當(dāng)前像素8個方向是否存在黑色像素，這里設(shè)置連續(xù)長度為15，如果用遞歸方法得到連續(xù)像素值大于15，則認(rèn)為不是噪聲；相反，則認(rèn)為是噪聲，則置為白色像素。
（3）字符傾斜度調(diào)整。盡量保存每個字符的位置一致。
（4）分割字符。找出每個字符的區(qū)域，用矩形記錄，記錄每個字符矩形數(shù)據(jù)。
（5）字符歸一化。根據(jù)圖像預(yù)處理準(zhǔn)備階段設(shè)置的歸一化標(biāo)準(zhǔn)，把每個字符的區(qū)域進(jìn)行歸一化，使得所有字符區(qū)域矩形一樣大，只是位置不一樣。
（6）字符緊密排列。把所有字符緊密排列，以備識別使用。
本文示例樣本圖片中只有單個數(shù)字，且無較大干擾，所以不需要去除離散噪聲、字符傾斜度調(diào)整、分割字符和字符緊密排列等步驟。經(jīng)過預(yù)處理的圖像數(shù)據(jù)，只需要進(jìn)行銳化和歸一化處理，就可以用于神經(jīng)網(wǎng)絡(luò)訓(xùn)練。
圖像梯度銳化的目的是使原來的模糊圖像變得清晰。MATLAB中使用的梯度函數(shù)為gradient函數(shù)。Gradient（F）函數(shù)求的是數(shù)值上的梯度，計(jì)算規(guī)則：[Fx，F(xiàn)y]=gradient（F），其中Fx為其水平方向上的梯度，F(xiàn)y為其垂直方向上的梯度，F(xiàn)x的第一列元素為原矩陣第二列與第一列元素之差，F(xiàn)x的第二列元素為原矩陣第三列與第一列元素之差除以2，以此類推，如公式（2）。
最后一列則為最后兩列之差。同理，可以得到Fy。
歸一化就是把需要處理的數(shù)據(jù)經(jīng)過處理后（通過某種算法）限制在要求范圍內(nèi)。對于圖像處理中的w一化而言，就是將所有數(shù)字圖像中的字符歸化成為一個具有同一高度、同一寬度的圖像，也即讓其中的字符具有同樣規(guī)格。MATLAB中用于實(shí)現(xiàn)圖像矩陣歸一化功能的函數(shù)是mat2gray函數(shù)[5]。該函數(shù)在數(shù)字圖像處理中經(jīng)常用到，歸一化的具體流程如圖4所示。
經(jīng)過歸一化處理之后的圖片數(shù)據(jù)，將其存儲在一個矩陣中，用于神經(jīng)網(wǎng)絡(luò)的訓(xùn)練。
4神經(jīng)網(wǎng)絡(luò)訓(xùn)練
人工神經(jīng)網(wǎng)絡(luò)算法主要有兩種：一種是先對待識別字符進(jìn)行特征提取，然后用所獲得的特征來訓(xùn)練神經(jīng)網(wǎng)絡(luò)分類器[6]；另一種方法是直接把待處理圖像輸入網(wǎng)絡(luò)，由網(wǎng)絡(luò)自動實(shí)現(xiàn)特征提取直至識別出結(jié)果。前一種方法識別結(jié)果與特征提取有關(guān)，而特征提取比較耗時(shí)。因此，特征提取是關(guān)鍵。后一種方法無需特征提取和模板匹配，隨著相關(guān)技術(shù)的進(jìn)步，這種方法更實(shí)用。
神經(jīng)網(wǎng)絡(luò)有許多種，在MATLAB中已經(jīng)有集成神經(jīng)網(wǎng)絡(luò)工具箱。本文系統(tǒng)中，對數(shù)字圖像的識別采用BP神經(jīng)網(wǎng)絡(luò)來進(jìn)行訓(xùn)練。BP神經(jīng)網(wǎng)絡(luò)為前饋神經(jīng)網(wǎng)絡(luò)，網(wǎng)絡(luò)的學(xué)習(xí)狀態(tài)為有導(dǎo)師學(xué)習(xí)狀態(tài)。它是一種具有學(xué)習(xí)能力和記憶能力的神經(jīng)網(wǎng)絡(luò)，主要由輸入層、中間層、輸出層3個部分組成。輸入層、中間層和輸出層可以具有不同數(shù)量的節(jié)點(diǎn)，具體數(shù)量隨需求而定，沒有具體的標(biāo)準(zhǔn)。單層神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖6所示。
BP神經(jīng)網(wǎng)絡(luò)是誤差反傳誤差反向傳播算法的學(xué)習(xí)過程，由誤差的反向傳播和信息的正向傳播兩個過程組成[7]。輸入層各神經(jīng)元首先接收來自外界的輸入信息，然后傳遞給中間層各神經(jīng)元；輸入信息經(jīng)過中間層內(nèi)部信息處理，實(shí)現(xiàn)信息變換，按照信息變化能力需要，中間層可以布局成多隱層或者單隱層結(jié)構(gòu)；最后，一個隱層傳遞把信息傳遞給輸出層，通過進(jìn)一步處理，實(shí)現(xiàn)一次學(xué)習(xí)的正向傳播處理過程，輸出層把信息處理結(jié)果輸向外界。當(dāng)輸出結(jié)果和預(yù)先期望效果不符時(shí)，就進(jìn)行誤差反向傳播。誤差通過輸出層，根據(jù)誤差梯度下降的方式改變各層權(quán)值，由隱層向輸入層依次反傳。多次交替的信息正向傳播和誤差反向傳播過程，是各層連續(xù)修正的過程，也是神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)訓(xùn)練的過程，這個步驟一直執(zhí)行到最終輸出的誤差降低到能夠接受的范圍，或者預(yù)先輸入的學(xué)習(xí)次數(shù)為止。
此系統(tǒng)中所使用的神經(jīng)網(wǎng)絡(luò)在中間層設(shè)置25個節(jié)點(diǎn)，1個輸出節(jié)點(diǎn)。此系統(tǒng)采用三層神經(jīng)網(wǎng)絡(luò)來實(shí)現(xiàn)。采用s型對數(shù)函數(shù)logsig作為隱含層各神經(jīng)元的傳遞函數(shù)，并采用純線性函數(shù)purelin作為輸出層各神經(jīng)元的傳遞函數(shù)。此神經(jīng)網(wǎng)絡(luò)的訓(xùn)練函數(shù)采用traingdx，學(xué)習(xí)模式函數(shù)為learngdm。訓(xùn)練步數(shù)最長設(shè)為5 000，性能目標(biāo)設(shè)為0.001。
神經(jīng)網(wǎng)絡(luò)模塊的部分代碼如下：
net=newff（pr，[25 1]，{'logsig' 'purelin'}，'traingdx'，'learngdm'）；
net.trainParam.epochs=5000；
net.trainParam.goal=0.001；
pr為前面圖像處理所獲得的矩陣數(shù)據(jù)。
神經(jīng)網(wǎng)絡(luò)的訓(xùn)練結(jié)果如圖7所示。神經(jīng)網(wǎng)絡(luò)的性能曲線如圖8所示。
5用艚換
考慮到該系統(tǒng)具有一定交互功能，讓用戶能自主選擇需要識別的圖片，向系統(tǒng)中添加如下代碼段：
test=input（'請輸入用于測試的圖片編號：'，'s'）；
x=imread（test，'jpg'）；
開始運(yùn)行時(shí)，會提醒用戶選擇需要識別的圖片編號，效果如圖9所示。
用戶輸入需要識別的圖片序號后，系統(tǒng)給出識別結(jié)果和圖像處理各階段中的圖片，此處用subplot函數(shù)來實(shí)現(xiàn)一個窗口中顯示多張圖片的效果，部分代碼如下：
6結(jié)語
通過樣本識別驗(yàn)證，本文數(shù)字識別系統(tǒng)具有一定識別精度。本系統(tǒng)基本做到樣本圖片的100%識別，對于其它只有單數(shù)字的圖片，經(jīng)過訓(xùn)練之后，也能準(zhǔn)確識別。本系統(tǒng)實(shí)現(xiàn)了部分人機(jī)交互功能，能讓用戶自主選擇需要識別的圖片，并輸出識別結(jié)果和各個處理過程中的圖片。
參考文獻(xiàn)參考文獻(xiàn)：
[1]岡薩雷斯.數(shù)字圖像處理（MATLAB版）[M].阮秋琦，譯.北京：電子工業(yè)出版社，2006.
[2]梁路宏，艾海舟，徐光佑，人臉檢測研究綜述[J].計(jì)算機(jī)學(xué)報(bào)，2002，25（5）：449458.
[3]羅華飛.MATLAB GUI設(shè)計(jì)學(xué)習(xí)手記[M].北京：北京航空航天大學(xué)出版社，2009.
[4]聶影.MATLAB軟件應(yīng)用研究[J].軟件導(dǎo)刊，2014，13（7）：102104.
[5]趙春蘭.《MATLAB軟件應(yīng)用》課程教學(xué)淺析[J].科技創(chuàng)新導(dǎo)報(bào)，2015（22）：178179.
