时间：2023-11-01 10:05:52
序论：在您撰写数字经济与网络经济时，参考他人的优秀作品可以开阔视野，小编为您整理的7篇范文，希望这些建议能够激发您的创作热情，引导您走向新的创作高度。
一、信息经济的内涵
“信息经济”的概念可以追溯到20世纪六、七十年代美国经济学家马克卢普和波拉特对于知识生产的有关研究。马克卢普1962年在《美国知识的生产和分配》中建立了一套关于信息产业的核算体系，奠定了研究“信息经济”概念的基础。1977年，波拉特在其博士论文中提出按照农业、工业、服务业、信息业分类的四次产业划分方法，获得广泛认可。20世纪80年代，美国经济学家保尔・霍肯在《未来的经济》中明确提出信息经济概念，并描述信息经济是一种以新技术、新知识和新技能贯穿于整个社会活动的新型经济形式，其根本特征是经济运行过程中信息成分大于物质成分占主导地位，以及信息要素对经济的贡献。
在上述研究的基础上，自20世纪90年代开始，全球范围内拉开了讨论“信息经济”概念及理论体系的序幕。目前，比较成熟的研究观点认为信息经济可以从微观和宏观角度理解。从宏观经济角度看，主要研究信息作为生产要素在经济系统中的运作规律。这种观点同知识经济相通，属于同一个范畴；而从微观经济角度看，信息经济所涉及到的重点研究内容是分析信息产业和信息产品的特征、以及信息产业对国民经济的贡献力度。这种观点强调信息经济是信息产业部门经济。由于信息技术对经济社会的微观领域产生重要影响，因而相当多的专家学者更倾向认为信息经济一定程度上主要是指信息产业经济。
二、网络经济的内涵
“网络经济”概念的提出同上个世纪90年代全球范围内因特网的兴起有着密切的联系。因此，网络经济又被称为因特网经济，是指基于因特网进行资源的生产、分配、交换和消费为主的新形式的经济活动。在网络经济的形成与发展过程中，互联网的广泛应用及电子商务的蓬勃兴起发挥了举足轻重的作用。一方面，伴随国际互联网的发展，大量新兴行业不断涌现，资源配置得以进一步优化，构成网络经济不可缺少的一部分；另一方面，电子商务带来虚拟网络交易模式，传统交易活动演变成通过国际互联网进行的网络交易活动，构成网络经济的重要组成部分。
与知识经济、信息经济和数字经济相比，网络经济这一术语的区别在于它突出了因特网，并将基于国际互联网进行的电子商务看视作网络经济的核心内容。
三、知识经济的内涵
二次世界大战后，由于科技进步，全球知识生产、流通速度不断提高，分配范围不断扩大，社会经济面貌焕然一新。在此背景之下，相当多的学者也开始关注知识与经济社会之间的联系，知识经济的概念逐渐形成。例如，美国丹尼尔・贝尔和日本屋太一等学者分别从“后工业社会”、“知识价值社会”的角度论述了知识在社会经济中的作用。这些论述虽然还没有提出知识经济的基本概念，但却已经涉及到了知识经济的基本内容。
1996年经济合作与发展组织（OECD）在年度报告《以知识为基础的经济》中认为，知识经济是以知识为基础的经济，直接依赖于知识和信息的生产、传播和应用。从生产要素的角度看，知识要素对经济增长的贡献高于土地、劳动力、资本等，因而“知识经济”是一种知识为基础要素和增长驱动器的经济模式。特别是随着现代信息和通信技术的发展，知识和信息的传播和应用达到了空前的规模，知识对经济增长的影响更加明显，已成为提高劳动生产率和实现经济增长的引擎。正如美国学者美唐・泰普斯科特（Don Tapscott）所言：信息科技强化了以知识为基础的经济。换言之，知识经济最重要的特征是知识的创造以及其对经济发展的贡献比重大幅度地增加了。
四、比较及总结
通过上述各概念分析，知识经济、信息经济、网络经济和数字经济之间的确存在差异。知识经济强调知识作为要素在经济发展中的作用；信息经济强调信息技术相关产业对经济增长的影响；网络经济强调因特网进行资源分配、生产、交换和消费为主的经济活动；数字经济则突出表现在整个经济领域的数字化。但正是存在差异，才产生必然联系性。虽然知识在经济发展中的作用早已提出，但是“知识经济”概念的提出并受到重视却是最近几十年的事情。知识经济的产生是人类发展过程中知识积累到一定程度的结果，并最终孕育了信息技术和因特网的诞生。同时，信息技术和因特网的广泛应用更加促进人类知识的积累，并加速人类向数字时代的过渡。知识经济、信息（产业）经济、网络（因特网）经济这些概念在同一个时代提出并不是相互矛盾或重复，而是从不同方面描述当前正处于变化中的世界。“知识经济――信息（产业）经济、网络（因特网）经济――数字经济”之间的关系是“基础内容――催化中介――结果形式”。知识的不断积累是当今世界变化的基础；信息产业、网络经济的蓬勃发展是当代社会发生根本变化的催化剂；数字经济是发展的必然结果和表现形式。因而这几个概念相辅相成，一脉相传。
图1 数字经济等相关概念的区别与联系
参考文献
[1]乌家培，肖静华.信息经济学［M］.北京：高等教育出版社，2007.
[2]吴季松.知识经济学［M］.北京：首都经济贸易大学出版社，2007.
[3]乌家培.信息社会与网络经济［M］.长春：长春出版社，2002.
[4]纪玉山.网络经济学引论［M］.长春：吉林教育出版社，1998.
[5]刘列励.信息网络经济与电子商务［M］.北京：北京邮电大学出版社，2001.
关键词关键词：神经网络；数字识别；特征提取
中图分类号：TP312文献标识码：A 文章编号：16727800（2014）002005803
0引言
数字识别是模式识别领域的一个重要分支，在表单自动读取、信息录入等方面有着重要作用。图像的像素特征反映了图像的大量信息，稳定性好、易于实现。其矩特征具有平移、旋转和缩放不变性，匹配性好[1]。
人工神经网络是由大量简单的基本元件——神经元相互连接，通过模拟人的大脑神经处理信息的方式，进行信息并行处理和分线性转换的复杂网络系统[2]。自1943年心理学家McCulloch和数学家Pitts提出神经元生物学模型以来，人工神经网络经过不断地发展成熟，至今已经广泛地应用于各个领域。本文将图像的像素特征和矩特征相结合，用于人工神经网络分类器的训练和测试，获得了良好的识别效果。
1图像特征提取
特征提取是根据测量数据确定出对分类有意义的数据作为特征数据，这些特征类内样本距离应尽量小，类间样本距离应尽量大[3]。特征提取算法应具有较高的稳定性和鲁棒性，同时又便于提取，易于实现。在特征提取之前，需要对图像进行预处理。首先，将图像进行二值化处理，保证目标像素值为1，背景像素值为0；然后，将图像归一化为16*16像素大小。在完成图像二值化和归一化的基础上，再对图像的像素特征和Hu矩特征进行特征提取。
1.1像素特征提取
将16*16的二值图像矩阵转化为256维的0、1向量，得到图像的256维像素特征。
将图像水平分成四份，垂直分成两份，分别统计这8个区域内白像素的个数，得到8维特征。水平和垂直各划两条线把水平和垂直分割成三分，统计这四条线穿过的白像素的个数，得到4维特征。字符图像全部白像素数作为1维特征，得到图像的13网格特征[4]，数字1-9的13网格特征如表1所示。
本文设计的PNN神经网络输入向量为上文提取的276维特征向量，激活函数采用高斯函数，与BP神经网络采用相同的测试集，识别率达到92.5%。与BP神经网络相比，识别率有了大大提高，且省去了训练时间。
3结语
BP神经网络采用学习率可变的训练算法，收敛速度最快，可有效节省时间。PNN神经网络在创建网络的过程中对网络进行训练，简化了BP神经网络复杂的学习过程，且与BP神经网络相比具有更好的分类性能。在模式识别领域，PNN神经网络有着巨大的优越性。当然，本文使用的276维特征存在一定程度的冗余，是制约分类器性能的一方面原因，在以后的研究中需要在这些方面作出改进。
参考文献：
[1]李晓慧. 基于MATLAB的BP神经网络的应用[J].科技信息，2010（26）.
[2]徐远芳，周旸，郑华. 基于MATLAB的BP神经网络实现研究[J].微型电脑应用，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，孙树栋.遗传算法原理及应用[M].北京：国防工业出版社，1999.
[6]魏海坤.神经网络结构设计的理论与方法[M].北京：国防工业出版社，2005.
[7]吕琼帅.BP神经网络的优化与研究[D].郑州：郑州大学，2011.
[8]高隽.人工神经网络原理及仿真实例[M].北京：机械工业出版社，2003.
【关键词】数字图书馆；管理；运作模式；服务方式；传播理论
一、数字图书馆之我见
数字图书馆是随着计算机网络技术、数据库技术、多媒体技术的发展而产生的，是一项全新的社会事业，发展至今十几年仍没有一个明确的定义。关于数字图书馆的几十种定义，前人已经做了很好的归纳和总结。笔者在此只给出数字图书馆的一个简单定义，并不一一罗列，即数字图书馆就是一种虚拟的拥有多种媒体内容的超大规模、分布式的数字化信息资源，是便于使用的、没有时空限制的、可以实现用户的跨库链接与智能检索，并为一定的社会政治、经济服务的文化教育机构以及机构的组合。但不管站在什么角度看数字图书馆，它都具备3个特点：即信息资源数字化、信息存取网络化以及分布式管理。数字图书馆在信息服务过程中发挥着举足轻重的作用，其核心价值和功能是信息存储与管理，它搭建起社会信息资源共享的平台，承担了传播社会知识开展公益服务的使命。数字图书馆的建设是一项造福后代的宏伟工程，是中华民族文化数字化网络化的最重要的组成部分，是关系到中华民族文化能否成为互联网的主流文化的关键。数字图书馆建设成功之后，将使传统图书馆以一种崭新的面貌焕然于世人面前。随着电子传媒的不断发展，进入开口必谈“．com”的 21 世纪后，网络带着不可抗拒的魅力和不可理喻的特殊魔力，为大众传播理论提出了新的课题。以网络技术为代表的新一代信息传播技术的发展，使得新的人类信息传播体系已经开始形成。现在更多的人开始习惯在互联网上查阅最新的期刊报纸乃至最古老的历史文献，走进图书馆查资料的学习和科研方式有了新的而且更具优势的替代方法。在网络技术出现之前，人类信息存储和管理几乎是图书馆的“专利”，然而这项“专利”在网络时代受到了前所未有的挑战。
二、数字图书馆信息传播的主要内容
如何在网络环境下建设数字图书馆，一直是图书馆界面临的富有争议性的话题。通过分析信息技术发展的趋势和规律以及信息传播学的理论和发展趋势，可以为我们建设数字图书馆提供极具参考价值的意见。
2.1 图书馆的传播类型
结合传播的基本模式来看，图书馆传播可分为：①自我传播：即图书馆内部组织机构及其功能的合理配置与有效协调。②馆际传播：就是馆际互借与文献传递。③组织传播：以组织为单位的传播类型，方式主要有建立地区性、全国性或国际性联盟以举办会议、出版专著和专业期刊、共建公共服务体系等。④大众传播：即通过大众传媒对图书馆形象进行传播。
2.2 数字图书馆信息传播的特点
首先，网络信息传播具有交互性、选择性、即时性、网络信息资源的无限性等特性，这些特征的描述也基本上涵盖了网络环境下图书馆信息传播所应有的特点。故此，网络环境下数字图书馆信息传播的特点包括：①图书馆的信息传播在时空上有着更高的自由度；②图书馆信息传播的速度加快；③图书馆信息传播载体呈现出多样化；④图书馆信息传播包括实物传播和网络传播两种方式。
三、数字图书馆的服务形式
3.1 检索查询
这是目前图书馆网络信息服务的一个主要的类型。各馆都在这方面投入了很大的人力和资金。在这项服务中，包括馆内书目查询、期刊查询、文献检索、数据库检索、读者情况查询、读者利用查询、国际联机检索、光盘检索等等。各馆还根据自己的情况存在差别或限制，实际也是大多数情况下并不能满足读者的需要。很多还要额外付费或亲自到馆内的专门检索部门去接受线上查询。总之，无论目前状况如何，检索查询服务在未来仍是图书馆网络信息服务的重要形式。
3.2 在线阅览
在线阅览不是说在网上直接浏览相关的网络网页，而是图书馆专门提供电子图书的线阅读服务，比如使用像超星图书阅览器进行在线读书，国家图书馆、上海图书馆图书馆都提供了电子图书在线阅读服务。到国家图书馆的WEB服务器上下载一个图书浏览器插件npbook.exe，在客户端安装以后，即可在网上阅读他们提供的电子图书。清华大学图书馆的“一本书斋”电子图书服务，也是下载安装超星图书阅览器，就能在线读书。上海图书馆的“书海漫游”栏目办得尤为精彩，不但内容丰富，而且网页也制作得十分精美。其电子文献都是以纯文本格式存储，不需要借助任何软件就可以直接通过浏览器在线阅览，很是方便。
3.3 其他服务形式
除了上述二种服务形式外，还有搜索引擎、网上教室、交互信息服务、机上目录、FTP等，用户能够客观地把握所学知识的总体框架，从而进行系统深入的学习和研究。图书馆公告、图书馆人才招聘交流广告、网上问卷调查、读者留言、信息反馈等，具有一定的实时性和交互性，是图书馆通过网络与读者用户交流的主要途径。机上目录将传统服务在网络上进行拓展，既方便了读者和用户，也减轻了馆员的工作负担，使得他们不必长时间陷于借与还的重复之中，可以更好的进行其它的服务和研究。
四、对数字图书馆的一些建议
4.1 图书馆应主动与科研人员联系，跟踪科研课题的进展情况，深入了解他们的需要，设计定题服务方案，建立定题服务数据库，做好整个过程的定题跟踪服务。高校图书馆可为教学提供定题服务，利用导航库定期向教师提供专题信息资料、学科发展动态、学科专业文献目录等。图书馆主动定期与用户联系沟通，并对用户的课题进行全程跟踪服务。
4.2 开展个性化信息服务是图书馆信息服务的发展方向，是满足用户个性化信息需求的重要手段，更是网络时代图书馆生存发展的需要。高校图书馆开展个性化服务要做好两个方面的工作！
第一，研究用户的需求，建立用户信息档案！用户的需求行为直接影响着图书馆信息服务的内容和方式，只有通过对用户信息需求特点、方向进行跟踪分析，才能有效地开展服务，才能更好地满足用户信息需求！
第二，建立自己的特色馆藏数据库！图书馆要及时完整地将馆藏的各种纸质文献及其他介质的文献进行数字化处理，利用已有的数据库，如中国学术期刊全文数据库、维普资讯数据库、万方数据库等。结合本地区的经济发展及用户类型，建立有自己特色的馆藏数据库，并随时更新，免费为用户提供服务。以培养读者信息获取和运用能力为基础，广泛信息素养教育。
第三，高校图书馆开展信息素养教育，对全面增进学生对文献信息的检索、分析以及开发利用的无疑具有重要的作用！信息素养教育的根本目让学生适应社会信息环境，培养他们的信息获识、信息传播意识、信息保密意识和信息更新。信息素养教育的关键是使大学生综合素养获得提升，为实现自我发展打下良好基础！
【参考书目】
[1]刘嘉．网络环境下图书馆的变革研究［J］．中国图书馆学报，2001(1)．
[2]邹忠民．网络环境下信息服务的特点及图书馆发展探索［J］．中国图书馆报，2001，(1)．
关键词：BP神经网络；数字识别；特征提取
中图分类号：TP183 文献标识码：A 文章编号：1009-3044（2013）14-3362-04
1 概述
数字识别在车辆牌照识别、银行支票识别和邮政储蓄票据识别等领域有着广泛的应用，因而成为研究人员近年来研究的一个焦点[1]。而人脑神经系统模型的建立为人工神经网络的产生提供了理论模型依据， 使其具有模拟人脑部分形象思维的能力[2]，因而使其成为人工智能技术的重要组成部分和常用方法。人工神经网络由简单信息处理单元相互连接组成，通过简单处理单元间的相互作用来实现对其所接收信息的处理。而随着人工神经网络技术的快速发展，其为解决模式识别邻域的相关问题提供了新的解决思路和方法，其突出的优点在于它具有对接收信息可进行并行分布式处理能力和自我学习反馈能力，因而吸引了众多研究人员对其进行广泛和深入的研究。而误差反向传播网络（Back-Propagation），即BP神经网络，是一种典型的人工神经网络，它具有人工神经网络的所有优点，因而在众多技术邻域有着广泛的应用[3]。该文首先对BP神经网络的基本原理进行了详细介绍，在分析了其基本原理的基础上，针对数字识别问题，设计了一种利用BP神经网络技术进行数字识别的方法。经实验表明，该方法合理可行，且其识别效果正确有效。
2 相关原理与知识
由于本文针对数字识别问题，利用BP神经网络技术对其进行方法设计和实现，首先必须了解BP神经网络的基本原理，即了解其具体构成形式、模型分类和其功能特点。其次，在了解了BP神经网络基本原理的基础上，进一步了解其所处理数据的特点和组成形式，并根据处理数据的特点和其数据结构设计相应的数字识别方法。下面分别对它们进行详细的介绍。
2.1 BP神经网络基本原理
BP神经网络算法由数据信息流的前向计算，即正向信息流的正向传递，误差信息的反向回馈两个部分组成。当信息流进行正向传递时，其传递方向为从输入层到隐层再到输出层的顺序，器每层神经元所处的状态只会影响下一层神经元的状态。若在最后的输出层没有得到理想的输出信息，则应立即进入误差信息的反向回馈过程[6]。最终经过这两个过程的相互交替运行，同时在权向量空间使用误差函数梯度下降策略，动态迭代搜索得到一组权向量，使得该BP神经网络的误差函数值达到最小，从而完成对信息提取和记忆过程[7]。
2.2 BMP二值图像文件数据结构
由于本文处理的数据源为BMP二值图像，则必须了解其数据结构，才能对其进行进一步的识别方法设计。由数字图像处理基础知识可知，常见BMP二值图像文件的数据结构由以下三部分组成：（1）位图文件头，其包含了BMP二值图像的文件类型、文件大小和位图数据起始位置等信息；（2）位图信息头，它包含了BMP二值图像的位图宽度和高度、像素位数、压缩类型、位图分辨率和颜色定义等信息；（3）位图数据体，其记录了位图数据每一个像素点的像素值，记录顺序在扫描行内是从左到右，扫描行之间是从下到上。因此，根据BMP二值图像数据结构信息，读出所需要的图像数据，并对这些图像数据做进一步的处理。在本文给定的训练图像中，图像数据大小为80个字节，而图像数据体距离其文件头的偏移量为62个字节。但为了减少数据处理数量，该文在进行实验时直接使用位图数据体中的数据，没有通过读出位图文件头来得到位图数据体中的数据。
3 数字识别具体设计方法
由上文可知，该文使用数据源为图像大小为20*20的BMP二值图像，由于是对位图数据体的数据直接进行操作，因此省去了对图像其他数据结构数据的繁杂处理过程，将问题的核心转向BP神经网络的设计方法步骤。
4 实验结果
图4所示为BP神经网络训练及测试结果图。该文选择10个训练样本，通过实验结果可以看出，由这10个训练样本训练出来的BP神经网络对于训练样本中的图像数值识别率达100%，训练时间也比较短，其迭代次数大概为700次左右。对于一些含有噪声的图片，只要噪声系数小于0.85个字符，其数字识别率可达96%。
5 结束语
针对二值图像数字识别问题，该文在对BP神经网络的基础理论进行分析后，设计了一种基于BP神经网络的数字识别方法，并通过实验验证了该BP神经网络用于数字识别的可行性和有效性。而对于BP神经网络存在的收敛速度慢、易陷入局部最优和学习、记忆具有不稳定性等问题，还有待于对其进行一步研究。
参考文献：
[1] 韩力群.人工神经网络教程[M].北京：北京邮电大学出版社，2006.
[2] 吕俊，张兴华.几种快速BP算法的比较研究[J].现代电子技术，2003，24（167）：96-99.
[3] 陆琼瑜，童学锋.BP算法改进的研究[J].计算机工程与设计，2007（10）：96-97.
[4] Sven Behnke，Marcus Pfister.A Study on the Combination of Classifiers for Handwritten Digit Recognition，2004.
[5] 马耀名，黄敏.基于BP神经网络的数字识别研究[J].信息技术，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] 吴成东，刘文涵.基于粗网格神经网络的车牌字符识别方法[J].沈阳建筑大学报，2007，23（4）：694-695.
关键词：数字化校园；网络设计；IP地址规划
中图分类号：TP393.18 文献标识码：A 文章编号：1674-7712 (2012) 14-0044-02
数字化校园是指一个网络化、数字化、智能化有机结合的新型教育、学习和研究的校园平台。它是师生获取丰富资源的渠道，是师生交互的枢纽、在教学和管理中起着极其重要的作用。由于数字化校园建设是一项庞大的系统工程，本文拟以南京邮电大学（三牌楼校区）数字化校园建设为例，谈谈校园网的优化设计。
一、现实与发展：校园网的不足与诉求
目前，校园网已存在严重不足，表现为网络出口带宽不足，网络诸塞、访问速度慢；管理、计费方式单一，智能化管理滞后；网络规划不合理，不安全因素增多；网络设备陈旧，制约网络性能的发挥等。
现代化的数字化校园对网络要求较高，中心层必须具有万兆级带宽和处理性能；设备、业务、链路的可靠性设计；智能识别应用事件、调度网络资源的QOS需求；阻击病毒和黑客的攻击的安全保障等。
二、重构与优化：数字化校园的架构设计
校园网优化设计方案将从学校的实际应用出发，结合现代信息技术的发展，遵循实用、科学、合理、灵活和安全的设计原则。校园网的架构主要是硬件系统架构，它包括综合布线系统架构、基础网络架构和数据中心架构等，综合布线系统采用模块化的结构，按照每个模块的不同作用，将工作区子系统、水平子系统、垂直子系统、管理子系统、设备间子系统和园区子系统等的架构和优化，实现六个子系统的统一和协调；数据中心架构即实现服务器系统的虚拟化和存储系统的智能化等，本文侧重于基础网络的架构。
（一）重构网络拓扑结构
采用分层来设计网络拓扑结构，主要用于局域网设计，即将复杂的网络设计分成几个层次，每个层次着重于某些特定的功能，这样就能够使一个复杂的大问题变成许多简单的小问题。中心层提供整个网络的核心任务，它负责中心多层路由、交换能力，中转层主要实现内部网和外部网的访问控制，减轻了中心层路由交换机的负载，同时保证了设备的统一性，为将来网络维护和管理提供了极大的便利；接入层向用户提供桌面，连接和本地的交换能力；中心层通过校园楼宇的光纤连接，可采用多条千兆链路捆绑技术，提供高速的主干通道。这样设计具有节省成本、易于理解、易于扩展、易于排错等优点。
重构后的网络拓扑图如图1-1所示。
（二）优化网络系统结构
校园网络系统从结构上分为中心层、中转层和接入层。中心层的功能主要是实现骨干网络之间的优化传输，它一直被认为是所有流量的最终承受者和汇聚者，所以对中心层的设计以及网络设备的要求十分严格。中心层设备将占投资的主要部分。中转层的功能主要是连接接入层节点和中心层中心，中转层设计为连接本地的逻辑中心，仍需要较高的性能和比较丰富的功能。接入层的设计上主张使用性能价格比高的设备。接入层是最终用户(教师、学生)与网络的接口，应该具备即插即用特性以及易于维护的特点，在接入层面，通过定义相应的访问策略，实现访问控制，内外隔离。
1.中心层网络设计
中心层是网络的高速交换主干，对整个网络的连通起到至关重要的作用。中心层主要负责以下的工作，提供交换区块间的连接、提供到其他区块如服务器区块的访问、尽可能快地交换数据帧或数据包等。它应该具有如下几个特性：可靠性、高效性、冗余性、容错性、可管理性、适应性、低延时性等。在中心层中，应该采用高带宽的千兆以上交换机。
2.中转层网络设计
中转层是网络接入层和中心层的“中介”，就是在工作站接入中心层前先做汇聚，以减轻中心层设备的负荷，资源和服务先分散在节点上，避免了性能瓶颈，增强了扩展性。中转层具有实施策略、安全、虚拟局域网（VLAN）之间的路由、源地址或目的地址过滤等多种功能。在中转层中，应该采用支持三层交换技术和VLAN的交换机，以达到网络隔离和分段的目的。
3.接入层网络设计
接入层为用户提供了接入网络的能力，接入层通过堆叠方式连接到分布层中，然后再通过分布层连接到网络的主干。应注意要适度超前，分期实施，简化设计，安全隔离。在校园网络中，接入层交换机包括将本地的信息点连接至骨干网络，同时因为采用了堆叠的技术，可以使分布层和接入层合而为一，不仅简化了网络结构，同时也节省了网络投资。
（三）规划IP地址
IP地址编址设计和分配利用时，遵循自治、有序、可持续性和可聚合等原则。此次方案的设计中，采用“公私结合、动静结合”的原则，由于学校由多个子网组成，IP地址采用由32位二进制数码组成，8位为一组，分为4组，中间用"."隔开。每个子网中，路由器到交换机各端口起到网关的作用，为了让网关IP地址有规律，路由器到以太网端口IP地址的主机标识都取"1"。
此次方案的设计中采用“公私”结合和“动静”结合，“公私”结合即根据所分配的公网IP地址和内部私网IP地址相结合，地址可分为两大块，一块是公网IP地址，作为和国际互联网互连的地址，主要供网络中心和图书馆、实验室专用；一块是“私网”即校园网的普通用户，使用内部地址，如：192.168.xxx.xxx，采用上网的方式；由于网络用户较多，IP地址数量有限采用“动静”结合，静态IP地址分配给一些公共的、常用的用户使用，动态IP由于所有用户在同一时间上网的可能性不大，谁需要上网采取自动获取的方式获得IP地址，这就需要中心交换机支持静态或动态的IP地址分配，并支持动态IP地址分配方式下DHCP-Relay功能。
三、测试与分析：数字化校园的优点突显
（一）经测试，优化方案实施后与原有校园网络数据对比如表2
（二）该设计的优点
解决了用户存在的带宽、安全、管理计费、灵活扩展等问题，有效地减轻了流量负荷，使设备时刻保持稳定和高效，保持了网络稳定、通畅和安全，也有利于未来网络的扩充和升级。
参考文献：
关键词：人工神经网络；BP网络；数字识别
中图分类号：TP183 文献标识码：A文章编号：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
人工神经网络是人工智能领域发展最快的信息处理技术之一，是由研究大脑和神经系统获得的启示而建立的一种计算模型。由于其具有鲜明的分类能力、并行处理能力和自学习能力。通过对有代表性的样本的学习可以掌握学习对象的内在规律，从而可以在一定程度上克服信息量大的问题，解决传统方法的不足。采用神经网络的识别方式对字符识别研究提供了一种新的手段，其应用具有重要的意义。本文论述了利用神经网络理论进行图像识别的原理并用Visual C++6.0实现了在提取图像特征后，利用BP神经网络进行图形识别图像的主要技术。
一、BP网络简介
BP神经网络通常采用输入层、隐层和输出层的结构形式，层与层之间的神经元进行全加权连接。相关文献表明，含有一个隐层的3层BP神经网络可拟合任意的非线性函数。
图1中 和 为连接权系数矩阵， 和 为偏差矩阵， 为输入矩阵， 为输入参数，隐层含有 个神经元，输出层含有 个神经元， 和 为各层传递函数。激励函数决定了神经模型的学习和计算能力，也决定了模型的构造方法与性能的优劣。本工作网络隐层和输出层都采用 函数作为激励函数。
在实际训练时，首先要提供一组训练样本，其中的每个训练样本由输入样本和理想输出对组成。当网络的所有实际输出与其理想输出一致时，训练结束。否则，通过误差逆传播的方法来修正权值使网络的理想输出与实际输出一致。反复学习直至样本集总误差（公式1）达到某个精度要求，即E
（公式1）
其中 为网络之实际输出， 为网络期望输出。
二、数字字符识别的基本原理
数字识别系统在实现的过程当中，先分解成两个大块，就是图像预处理模块和数字识别模块。其中图像预处理块在对图像进行了一系列变换后把最后提到的数字字符提交给数字识别模块，然后进行识别并给出结果。
数字识别系统中图像预处理环节用到了许多图像处理中的相关技术：比如灰度化、二值化、图像内容自动调整、去离散点、图像的缩放、细化、曲线平滑、曲线去枝桠操作及神经网络对提取到的数字信息进行分析判断[1]。
三、神经网络的设计与实现
（一）数字的编码方式
本文采用BP网络的思想来设计并训练一个可行、高效的BP网络，以实现对0到9共10个加噪声后的数字识别。
这里采用8×8个加64点阵的形式，使用美观的数码管字体。
（二）神经网络模型的建立
由于本文中所介绍的系统采用8×8个加64点阵的形式表示数字字符，所以容易确定BP神经网络的输入层为64维。在输出层，将0～9数字用8421码进行编码，这样10个数字就需要4位二进制的编码。因此就可确定输出层有4个神经元。隐层的神经元数目的选择，是BP算法设计的关键。编程证明，当隐层神经元数目超过55的时候，网络的训练时间将无法忍受，同时抗噪声能力大大降低[3]；当神经元数目低于7的时候，系统误差无法收敛到满意的值，又造成识别率过低[4]。经过多次的比较分析、测试，本文最终选定了隐层为49个神经元。
（三）数字识别的基本步骤
Step1：初始化样本，这里采用两组样本训练网络，第一组是纯净的不含噪声的样本数据0-9，第二组是含10%噪声的样本数据0-9。
Step2：初始化神经网络。
Step3：利用第一步中的样本训练神经网络。
Step4：利用训练好的网络进行数字识别。
（四）程序的实现
本文采用Visual C++6.0加以实现。
setSamples（）的功能：装载的网络学习样本集和目标输出，并传递给inputsamples和targetsamples。
Train（）的功能：根据setSamples（）装载的网络学习样本集和目标输出，训练网络权值和阀值参数[6]。
程序的实际运行表明对数字字符采用如上的BP网络可以达到很高的识别率。
四、结论
实践证明，该网络对数字字符识别具有很高的识别率，由神经网络具有自学习、联想、记忆、行处理复杂模式的功能，在多过程、非线性系统方面的模式识别中发挥着较大的作用[7]。此网络的实现具有广阔的应用前景。
参考文献：
[1]方彩婷.基于BP神经网络的图像识别与跟踪研究[D].西安:西安电子科技大学,2006
[2]熊国清,于起峰.用于实时跟踪的快速匹配算法[J].计算机辅助设计与图形学,2002,7(2):46-48
[3]桑农,张天序.旋转与比例不变点特征松弛匹配算法的Hopfield神经网络实现[J].宇航学报,1999,20(3):106-108
[4]杨小冈,曹菲,缪栋等.系统工程与电子技术[M].北京:高教出版社,2005
[5]张宏林.Visual C++数字图像模式识别技术及工程实践[M].北京:人民邮电出版社,2003
[6]万里青,赵荣椿,孙隆和.不变性目标识别方法研究[J].信号处理,1996,12(2):124-128
[7]焦李成.神经网络系统理论[M].西安:西安电子科技大学出版社,1995
关键词关键词：MATLAB编程；数字识别；图像处理；神经网络
DOIDOI：10.11907/rjdk.162852
中图分类号：TP319
文献标识码：A文章编号文章编号：16727800（2017）005004704
0引言
图像识别是一项利用计算机对图像进行处理、分析和理解，以识别各种不同模式目标和对象的技术[1]。图像识别技术目前还不能达到人类的认知水平，但在特定应用环境中，可以通过模式识别或者神经网络的方法来对图像中的事物进行分类判断。一般而言，一个数字字符识别系统主要由3个部分组成，如图1所示。
图1系统组成
其中，预处理模块将图片格式（例如JPG格式）转换为计算机能识别的二进制数据流；图像处理模块则实现图像采集与转换、边缘提取、归一化等功能；字符识别模块可以由两种方法实现：模式识别或者神经网络方式，本文系统采用神经网络方式。
1识别目标及预期结果
此系统识别目标是在没有强干扰下，系统能够准确识别出图片中的0～9这10个数字。示例图片如图2所示。
系统识别中所用到的含单个数字的图片取自图2，均为纯色背景（不一定必须为白色背景）图片，且图片中数字图像无较大噪声干扰。系统经过一系列处理后，能成功识别，给出识别结果，并且给出处理过程中各个阶段的图片，以便更好地理解图像处理过程。
2预处理
预处理是将图片二值化的过程。预处理的目的简单来说就是把彩色图片处理为计算机更好处理的二进制数据流。预处理的过程主要分两部分：彩色图转灰白图，灰白图转二进制矩阵形式数据。
目前用于彩色图转换为灰度图的基本算法主要有：最大值法、平均值法、加权法，本文采用加权法。加权法的主要思想是设当前像素的三分量分别为R，G，B，然后利用公式（1）得到转换后的像素分量值：
GRAY=0.3*R+0.59*G+0.11*B（1）
在MATLAB中，函数img2gray就是采用加权法实现的。图像二值化就是将图像像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的黑白效果。二值化的处理过程是将图像中有意义的特征和需要应用的特征进行分割，利用前景和背景灰度特性的差异，低于阈值的像素设定为一个灰度值，高于阈值的像素设定为另一个灰度值。这样可将前景色与背景色以明显差异的灰度级区分开来[2]。阈值选取有手动选取和自适应选取两种方法。MATLAB中图像二值化的实现主要依靠im2bw函数来实现。图像二值化过程中，最重要的是阈值变换。比如数组a=[120，254，0，200，99]，设定一个阈值125，并对a进行阈值变换，那么a中凡是大于125的，则变为255，小于等于125的则变为0。具体对临界情况处理可能不同，不过MATLAB中im2bw函数是按照上述方法处理的。a经过阈值变换后变为[0，255，0，255，0]。在MATLAB中使用im2bw函数进行图像二值化处理时（将图像转换为二值图像），人为设定阈值并不总是十分有效。MATLAB工具箱提供了graythresh函数[3]。该函数使用最大类间方差法得到一个阈值，利用这个阈值进行图像二值化通常有效。
经过预处理后得到的二值化图像，还要经过一系列图像处理过程，才能用于神经网络训练。
3图像处理
图像处理的目的是将图片变为神经网络能处理的数据流。图像处理流程如下：
（1）利用梯度锐化。使得图像更加突出，以便分析。算法：当前点像素值与其下一个像素值之差的绝对值，加上当前点像素值与其下一行当前像素值之差的绝对值，如果结果大于阈值，则当前像素值置为此结果。
（2）去除离散噪声。利用递归方法查找当前像素8个方向是否存在黑色像素，这里设置连续长度为15，如果用递归方法得到连续像素值大于15，则认为不是噪声；相反，则认为是噪声，则置为白色像素。
（3）字符倾斜度调整。尽量保存每个字符的位置一致。
（4）分割字符。找出每个字符的区域，用矩形记录，记录每个字符矩形数据。
（5）字符归一化。根据图像预处理准备阶段设置的归一化标准，把每个字符的区域进行归一化，使得所有字符区域矩形一样大，只是位置不一样。
（6）字符紧密排列。把所有字符紧密排列，以备识别使用。
本文示例样本图片中只有单个数字，且无较大干扰，所以不需要去除离散噪声、字符倾斜度调整、分割字符和字符紧密排列等步骤。经过预处理的图像数据，只需要进行锐化和归一化处理，就可以用于神经网络训练。
图像梯度锐化的目的是使原来的模糊图像变得清晰。MATLAB中使用的梯度函数为gradient函数。Gradient（F）函数求的是数值上的梯度，计算规则：[Fx，Fy]=gradient（F），其中Fx为其水平方向上的梯度，Fy为其垂直方向上的梯度，Fx的第一列元素为原矩阵第二列与第一列元素之差，Fx的第二列元素为原矩阵第三列与第一列元素之差除以2，以此类推，如公式（2）。
最后一列则为最后两列之差。同理，可以得到Fy。
归一化就是把需要处理的数据经过处理后（通过某种算法）限制在要求范围内。对于图像处理中的w一化而言，就是将所有数字图像中的字符归化成为一个具有同一高度、同一宽度的图像，也即让其中的字符具有同样规格。MATLAB中用于实现图像矩阵归一化功能的函数是mat2gray函数[5]。该函数在数字图像处理中经常用到，归一化的具体流程如图4所示。
经过归一化处理之后的图片数据，将其存储在一个矩阵中，用于神经网络的训练。
4神经网络训练
人工神经网络算法主要有两种：一种是先对待识别字符进行特征提取，然后用所获得的特征来训练神经网络分类器[6]；另一种方法是直接把待处理图像输入网络，由网络自动实现特征提取直至识别出结果。前一种方法识别结果与特征提取有关，而特征提取比较耗时。因此，特征提取是关键。后一种方法无需特征提取和模板匹配，随着相关技术的进步，这种方法更实用。
神经网络有许多种，在MATLAB中已经有集成神经网络工具箱。本文系统中，对数字图像的识别采用BP神经网络来进行训练。BP神经网络为前馈神经网络，网络的学习状态为有导师学习状态。它是一种具有学习能力和记忆能力的神经网络，主要由输入层、中间层、输出层3个部分组成。输入层、中间层和输出层可以具有不同数量的节点，具体数量随需求而定，没有具体的标准。单层神经网络结构如图6所示。
BP神经网络是误差反传误差反向传播算法的学习过程，由误差的反向传播和信息的正向传播两个过程组成[7]。输入层各神经元首先接收来自外界的输入信息，然后传递给中间层各神经元；输入信息经过中间层内部信息处理，实现信息变换，按照信息变化能力需要，中间层可以布局成多隐层或者单隐层结构；最后，一个隐层传递把信息传递给输出层，通过进一步处理，实现一次学习的正向传播处理过程，输出层把信息处理结果输向外界。当输出结果和预先期望效果不符时，就进行误差反向传播。误差通过输出层，根据误差梯度下降的方式改变各层权值，由隐层向输入层依次反传。多次交替的信息正向传播和误差反向传播过程，是各层连续修正的过程，也是神经网络学习训练的过程，这个步骤一直执行到最终输出的误差降低到能够接受的范围，或者预先输入的学习次数为止。
此系统中所使用的神经网络在中间层设置25个节点，1个输出节点。此系统采用三层神经网络来实现。采用s型对数函数logsig作为隐含层各神经元的传递函数，并采用纯线性函数purelin作为输出层各神经元的传递函数。此神经网络的训练函数采用traingdx，学习模式函数为learngdm。训练步数最长设为5 000，性能目标设为0.001。
神经网络模块的部分代码如下：
net=newff（pr，[25 1]，{'logsig' 'purelin'}，'traingdx'，'learngdm'）；
net.trainParam.epochs=5000；
net.trainParam.goal=0.001；
pr为前面图像处理所获得的矩阵数据。
神经网络的训练结果如图7所示。神经网络的性能曲线如图8所示。
5用艚换
考虑到该系统具有一定交互功能，让用户能自主选择需要识别的图片，向系统中添加如下代码段：
test=input（'请输入用于测试的图片编号：'，'s'）；
x=imread（test，'jpg'）；
开始运行时，会提醒用户选择需要识别的图片编号，效果如图9所示。
用户输入需要识别的图片序号后，系统给出识别结果和图像处理各阶段中的图片，此处用subplot函数来实现一个窗口中显示多张图片的效果，部分代码如下：
6结语
通过样本识别验证，本文数字识别系统具有一定识别精度。本系统基本做到样本图片的100%识别，对于其它只有单数字的图片，经过训练之后，也能准确识别。本系统实现了部分人机交互功能，能让用户自主选择需要识别的图片，并输出识别结果和各个处理过程中的图片。
参考文献参考文献：
[1]冈萨雷斯.数字图像处理（MATLAB版）[M].阮秋琦，译.北京：电子工业出版社，2006.
[2]梁路宏，艾海舟，徐光佑，人脸检测研究综述[J].计算机学报，2002，25（5）：449458.
[3]罗华飞.MATLAB GUI设计学习手记[M].北京：北京航空航天大学出版社，2009.
[4]聂影.MATLAB软件应用研究[J].软件导刊，2014，13（7）：102104.
[5]赵春兰.《MATLAB软件应用》课程教学浅析[J].科技创新导报，2015（22）：178179.
