导读:本文包含了货币识别论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:货币,向量,神经网络,多核,正态分布,梯度,矩阵。
货币识别论文文献综述
刘思洋,黄坚,刘桂雄,罗文佳[1]（2019）在《AlexNet两光照下多类别法定货币识别技术》一文中研究指出基于法定货币在不同光照下局部特征不同,该文研究一种基于AlexNet的两光照下多类别法定货币识别技术。首先,分析自然光照、紫外光照下法定货币图像特征,指出不同光照下法定货币呈现不同的面额、图案等特征;其次,分析AlexNet神经网络模型与研究面向法定货币识别的AlexNet迁移学习方法;最后,在30类别的两光照下不同币种的图像样本库上进行图像识别实验,货币图像识别准确率达到100%,准确实现区分货币币种、光照条件、面额与正反面货币图像功能。与经典货币图像识别方法相比,该法能减少人工提取图像特征的工作量,具有通用性好、准确度高的特点。(本文来源于《中国测试》期刊2019年09期）
贾非[2]（2015）在《中国超额货币识别——基于产业结构调整的视角》一文中研究指出本文基于产业结构调整的超额货币识别模型,研究了农业、工业、服务业和金融四个部门的超额货币需求行为。研究发现,只有超过总产值增长速度的部门增长才能吸收超额货币,这意味着影响货币需求的因素未必同时是影响超额货币需求的因素。检验结果显示:服务业增加值占比提高和工业增加值占比下降均能引致超额货币需求,而农业部门不会对超额货币需求产生影响。另外,金融市场交易额的增加也会吸收超额货币供给。这意味着超额货币可能在产业结构调整过程中被消化,并不必然形成通货膨胀隐患,但货币政策仍将对金融市场活跃度下降过程中货币回吐做出防范。(本文来源于《经济与管理研究》期刊2015年01期）
梁俊[3]（2014）在《基于多核学习支持向量机的货币识别》一文中研究指出摘要：基于统计学习理论而发展起来的支持向量机在处理货币识别这类非线性、高维、小样本模式识别问题方面具有很大的优越性。但是SVM中核函数的选择问题、多种货币特征融合问题和降低SVM分类器泛化误差是至关重要的问题。现有的基于支持向量机的货币识别器的不足之处在于用支持向量机解决货币识别问题时通常会将多种特征融合但是只使用一个核函数,而且损失函数忽略了最小闭包球半径的大小对泛化能力的影响。本文针对这些问题展开了研究,提出了一种新型的SVM货币分类器。这种新型的分类器采用多核学习和在损失函数中融入半径信息,能够有效解决上述叁个问题,改善货币识别。SVM在处理货币识别时通常会将多种货币特征进行融合,这时选择最适合特征的核函数是非常棘手的问题,核函数对支持向量机的学习能力和泛化能力有重要影响。针对核函数选择问题提出利用多个基础核函数的线性组合构建多核学习支持向量机来处理这一问题。并且多核学习通过核函数可以在训练多核学习支持向量机过程中对货币的特征进行融合,可以有效处理多种货币特征的融合问题。最后提出用简约梯度法和迭代优化的思想、SMO算法来确定每个基础核函数的最优权系数和求解多核学习SVM对偶问题。实验表明多核支持向量机能弥补单个核函数的局限性,能保证支持向量机同时取得良好的学习能力和推广能力。而且多核学习在处理多种货币特征融合方面更有效率。SVM分类器的泛化风险取决于最大间隔与最小闭包球半径,传统的SVM模型忽略了半径信息。针对这一问题,论文提出了一种新型的多核模型,该模型融入半径信息,然后优化最大间隔和最小闭包球半径以降低多核学习分类器的泛化风险上界,提高泛化能力。将融入半径信息的二范数软间隔多核学习SVM原始问题转换为标准二范数软间隔多核学习SVM原始问题。然后通过迭代优化的思想和SMO算法对多核学习中各个基础核函数的权系数进行优化和求解多核学习SVM对偶问题。实验表明,融入半径信息后基于二范数软间隔多核学习SVM构造的货币识别分类器的准确率有了提高。(本文来源于《中南大学》期刊2014-04-01）
伍鹏,谢凯,陈传波,贺建飚[4]（2013）在《基于负相关神经网络集成的货币识别算法研究》一文中研究指出为了提高货币识别率,提出了用负相关学习算法来提高神经网络集成的泛化能力。将紫外光照射下的纸币图片作为实验样本,将负相关学习法的集成神经网络用于分类器设计,选择6种面额纸币在不同噪声下的样本共300个作为训练样本,对单个神经网络分类器和神经网络集成分类器进行了MATLAB仿真,并对仿真所得的可靠性、识别率进行对比。实验结果表明,基于负相关学习的神经网络集成对货币识别分类有很好的效果,与应用单个神经网络的系统和独立训练个体网络的集成神经网络相比,它的识别率平均可以高出4%。(本文来源于《电视技术》期刊2013年09期）
彭晓梅[5]（2012）在《基于NMF和ENN的货币识别方法研究》一文中研究指出货币识别问题是一个模式识别问题,当今对货币识别的研究,主要有以下几个方面：数据采集,特征提取和分类器设计。本文在广泛阅读国内外相关文献的基础上,提出将非负矩阵分解(Non-negative Matrix Factorization, NMF)应用于货币识别的特征提取,将集成神经网络(Ensemble Neural Network, ENN)应用于货币识别的分类器设计非负矩阵分解是新兴的模式识别特征提取方法,它是一种基于部分表示整体的方法。货币样本组合成的矩阵V经非负分解,分解后的基矩阵W表示货币的局部特征信息,H的列向量可解释为各样本在各局部特征上的权重编码信息。与传统的货币识别特征提取方法相比,经由NMF分解得到的特征信息更合乎人类视觉感知的直观体验,并具有明确的物理含义。在分类器设计部分应用集成神经网络,其个体神经网络经由负相关学习训练而成。负相关学习(Negative Correlation Learning,NCL)的目的是鼓励集成的个体网络的差异性,使不同个体网络针对数据集的不同部分进行训练和学习,使集成整体更好地学习整个数据集。本文用紫外光照射下的纸币图片作为实验样本,经过一系列处理后送入各种神经网络分类器,并对实验结果进行了比较和分析,实验表明：基于负相关学习的神经网络集成对货币识别分类有很好的效果,与应用单个神经网络的系统和独立训练个体网络的集成神经网络相比,它的误识率更小。(本文来源于《中南大学》期刊2012-06-30）
崔艳丽,贺建飚[6]（2009）在《基于改进支持向量机的货币识别研究》一文中研究指出首先,预抽取支持向量以减少训练样本数量,大大缩减训练时间;然后,用缩减后的样本对改进后的分类支持向量机进行货币识别,改进后的支持向量机不仅把目标函数惩罚项模糊化,而且还对分类情况进行了加权补偿。实验仿真结果表明:此方法避免了神经网络的"过拟合"问题,而且比改进后BP、LVQ和GMM模型等方法的识别率都有所提高,当训练样本数达到100时,识别率高达99.06%。(本文来源于《微计算机信息》期刊2009年25期）
贺建飚,崔艳丽[7]（2009）在《一种融合两种主成分分析的货币识别方法》一文中研究指出为了充分提取货币图像的有效特征,提出了一种新颖的货币识别算法。首先,利用两种主成分分析分别降低原始图像空间的维数;然后,对所得特征参数属性用粗糙集决策表约简原理进行优化;最后,运用典型相关分析原理融合特征级数据,并给出最终识别效果。实验结果表明,该算法在充分提取货币图像特征的基础上,能很好地融合其特征向量,识别性能优于单一的主成分分析方法,且训练样本为20时,识别率可达98.78%。(本文来源于《计算机工程与应用》期刊2009年23期）
崔艳丽[8]（2009）在《基于改进支持向量机的货币识别研究》一文中研究指出货币识别是一个模式识别问题,主要包括以下叁大部分:数据采集、特征提取和分类器的设计。针对当今货币识别率低等问题,借鉴典型相关分析融合思想和支持向量机的几何解释,利用两种不同的主成分分析方法特征融合后,并将基于模糊支持向量域多分类算法应用于货币识别。货币特征提取方面,针对提取信息不全面的问题,基于粗糙集的属性约简方法和典型相关分析融合思想,利用两种不同主成分分析方法对特征向量进行降维,并且把条件属性与决策属性联系起来进行属性约简,基于典型相关分析思想对两种不同特征进行融合。实验仿真结果表明,该算法能在很好结合货币图像的全局与局部互补信息,且融合后的提取算法优于以前单一的算法,响应时间相当。训练算法采用一种基于几何思想的快速训练算法,其主要思想借鉴最近点(NPA)算法和DIRECTSVM算法,不仅克服了传统训练算法中求解二次规划算法的计算量大的缺点,而且算法的速度非常快。实验仿真结果表明,算法性能比较高,训练时间比当前流行的训练算法SMO算法、DIRECTSVM算法都少。多分类算法采用一种基于模糊支持向量域的多分类算法,该算法基于紧密度的模糊隶属度思想,选择合适的惩罚因子,不仅减少了噪音点的干扰,而且还减少了样本不平衡性对识别精度的影响。实验仿真结果表明,该分类算法不仅获得了比传统货币识别方法高的识别率,而且训练时间与其他支持向量机多分类算法相比有一定程度的减少。(本文来源于《中南大学》期刊2009-06-30）
石文渊,彭军民[9]（2008）在《基于神经网络的货币识别研究》一文中研究指出货币识别研究的重点在于识别的准确和速度。采用结构相对简单的前馈神经网络,选取合适的货币采样特征为网络的输入特征,使用尺度共轭梯度(SCG)算法对网络进行快速高效训练,实现对货币的快速、准确识别。实验结果表明,该方案是可行、有效的。(本文来源于《西安理工大学学报》期刊2008年02期）
贺庆[10]（2008）在《基于统计理论的货币识别研究》一文中研究指出随着经济和社会的的发展,货币识别技术得到广泛的用途,在社会生活中扮演越来越重要的角色。为了应对层出不穷的防伪技术和越来越先进的伪造技术,必须透彻的研究货币的特性,并将多种传感器系统用于货币识别。本文从货币性质服从正态分布的特性出发,提出了一种统一的、结构化的方法描述货币的模型,并利用概率运算的方法实现对货币特征的综合利用。从而为商业化的货币识别技术提供了初步的的理论基础和商用框架。本文首先介绍了货币识别主要的应用背景和研究进展,接着从理论上分析了货币性质和特征服从正态分布。在此基础上,基于正态分布、向量范数和集合运算,提出用于判断货币识别传感器有效性、精确性、可区分性和独立性的方法,为合理选择传感器提供了客观标准。本文建立了货币的特征模型,该模型通过存储正态分布函数的参数,有效保留了货币的信息,减少存储空间、提高检索速度。在此模型基础上,提出了基于概率的识别算法、基于距离的识别算法、基于多传感器信息融合的识别算法,运动纸币的识别算法,并分析了这些算法的优劣。然后对识别算法的可靠性作了初步的分析。最后描述了实验的过程,验证了货币特征服从正态分布的假设。(本文来源于《中南大学》期刊2008-06-30）
货币识别论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文基于产业结构调整的超额货币识别模型,研究了农业、工业、服务业和金融四个部门的超额货币需求行为。研究发现,只有超过总产值增长速度的部门增长才能吸收超额货币,这意味着影响货币需求的因素未必同时是影响超额货币需求的因素。检验结果显示:服务业增加值占比提高和工业增加值占比下降均能引致超额货币需求,而农业部门不会对超额货币需求产生影响。另外,金融市场交易额的增加也会吸收超额货币供给。这意味着超额货币可能在产业结构调整过程中被消化,并不必然形成通货膨胀隐患,但货币政策仍将对金融市场活跃度下降过程中货币回吐做出防范。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
货币识别论文参考文献
[1].刘思洋,黄坚,刘桂雄,罗文佳.AlexNet两光照下多类别法定货币识别技术[J].中国测试.2019
[2].贾非.中国超额货币识别——基于产业结构调整的视角[J].经济与管理研究.2015
[3].梁俊.基于多核学习支持向量机的货币识别[D].中南大学.2014
[4].伍鹏,谢凯,陈传波,贺建飚.基于负相关神经网络集成的货币识别算法研究[J].电视技术.2013
[5].彭晓梅.基于NMF和ENN的货币识别方法研究[D].中南大学.2012
[6].崔艳丽,贺建飚.基于改进支持向量机的货币识别研究[J].微计算机信息.2009
[7].贺建飚,崔艳丽.一种融合两种主成分分析的货币识别方法[J].计算机工程与应用.2009
[8].崔艳丽.基于改进支持向量机的货币识别研究[D].中南大学.2009
[9].石文渊,彭军民.基于神经网络的货币识别研究[J].西安理工大学学报.2008
[10].贺庆.基于统计理论的货币识别研究[D].中南大学.2008
论文知识图
