[发明专利]一种基于误差反向传播算法的手绘图形分类方法及系统

权利要求书

1.一种基于误差反向传播算法的手绘图形分类方法，其特征在于，包括下述步骤：

步骤一、设计一个或多个规则图形描绘模板；所述规则图形描绘模板包括阿基米德线、矩形、正五边形以及正六边形四种模板，且所述规则图形描绘模板上有定位点；

步骤二、通过描绘规则图形描绘模板得到多组手写轨迹数据，将所述手写轨迹数据进行数字化处理，获取手绘图像数据；其中，所述手写轨迹数据包括对应手部存在震颤的异常轨迹数据和对应手部不存在震颤的正常轨迹数据；

步骤三、对所述手绘图像数据进行预处理；

步骤四、根据所述手写轨迹数据中手写轨迹的细节特征构造BP神经网络模型；

步骤五、将所述手绘图像数据分为训练数据和测试数据，根据训练数据训练BP神经网络模型；具体过程包括：

步骤五一、首先进行信号的正向传播：将训练数据传向输入层，在[-1,1]区间内随机分配权重的值，在[0,1]区间内随机分配偏置的值，实现信号从输入层经过隐藏层到输出层的传播，得到输出值与误差函数；具体地，令数据集数据的个数为m；输入层的输入信号为x＝(x₁,x₂)；隐藏层的输入信号为hi＝(hi₁,hi₂… hi_p)、输出信号为ho＝(ho₁,ho₂…ho_p)；输出层的输入信号为yi＝(yi₁,yi₂)、输出信号为yo＝(yo₁,yo₂)；期望输出值为e＝(e₁,e₂)；

在前向传播过程中，当输入信号输入至隐藏层时，有：

ho_h(k)＝f(hi_h(k))

其中，w_ih为该过程的权值函数，b_h为该过程的偏置函数；f(z)为激活函数，特点是函数本身及其导数都是连续的，有f(z)＝1/(1+e^-z)，(k＝1,2… m),(h＝1,2…p)；

当隐藏层的输出信号传递至输出层时，有：

yo_j(k)＝f(yi_j(k))

其中，w_hj为该过程的权值函数，b_j为该过程的偏置函数，(j＝1,2)；

步骤五二、然后进行误差的反向传播：利用链式法则计算误差函数对输出层中各神经单元以及隐藏层各神经单元的偏导数；具体地，输出层的输出与期望的输出之间的误差函数为：

利用链式法则计算误差函数对输出层中各神经元的偏导数：

计算误差函数对隐藏层的各神经元的偏导数：

步骤五三、然后进行权值修正：利用最速下降法，沿着负梯度方向可使误差函数降低，利用输出层各神经单元的偏导数、隐藏层各神经单元的输出以及偏导数、输入层各神经单元的输出来修正权值；具体地公式为：

其中，η为学习率，学习率大容易使模型陷入局部最优解，学习率小会影响模型的训练速度；

步骤五四、最后进行多次迭代，即信号正向传播与误差反向传播的各层权值调整，直至达到预设的训练次数为止；

步骤六、将测试数据输入训练得到的BP神经网络模型进行分类，将测试数据分类正确率与预设正确率阈值进行比较，如果测试数据分类正确率小于预设正确率阈值，则修改训练参数重新训练直至测试数据分类正确率达到或超过预设正确率阈值，保存训练好的BP神经网络模型及参数；

步骤七、将待分类手写轨迹数据进行数字化处理后获取待分类手绘图像数据，将待分类手绘图像数据输入上述训练好的BP神经网络模型中，获得分类结果。

2.根据权利要求1所述的一种基于误差反向传播算法的手绘图形分类方法，其特征在于，步骤二中设置阿基米德线模板的描绘周期为6π，矩形、正五边形与正六边形模板的描绘周期为5个周长。