時間：2023-11-01 10:05:52
序論：在您撰寫數字經濟與網絡經濟時，參考他人的優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您的創作熱情，引導您走向新的創作高度。
一、信息經濟的內涵
“信息經濟”的概念可以追溯到20世紀六、七十年代美國經濟學家馬克盧普和波拉特對于知識生產的有關研究。馬克盧普1962年在《美國知識的生產和分配》中建立了一套關于信息產業的核算體系，奠定了研究“信息經濟”概念的基礎。1977年，波拉特在其博士論文中提出按照農業、工業、服務業、信息業分類的四次產業劃分方法，獲得廣泛認可。20世紀80年代，美國經濟學家保爾?霍肯在《未來的經濟》中明確提出信息經濟概念，并描述信息經濟是一種以新技術、新知識和新技能貫穿于整個社會活動的新型經濟形式，其根本特征是經濟運行過程中信息成分大于物質成分占主導地位，以及信息要素對經濟的貢獻。
在上述研究的基礎上，自20世紀90年代開始，全球范圍內拉開了討論“信息經濟”概念及理論體系的序幕。目前，比較成熟的研究觀點認為信息經濟可以從微觀和宏觀角度理解。從宏觀經濟角度看，主要研究信息作為生產要素在經濟系統中的運作規律。這種觀點同知識經濟相通，屬于同一個范疇；而從微觀經濟角度看，信息經濟所涉及到的重點研究內容是分析信息產業和信息產品的特征、以及信息產業對國民經濟的貢獻力度。這種觀點強調信息經濟是信息產業部門經濟。由于信息技術對經濟社會的微觀領域產生重要影響，因而相當多的專家學者更傾向認為信息經濟一定程度上主要是指信息產業經濟。
二、網絡經濟的內涵
“網絡經濟”概念的提出同上個世紀90年代全球范圍內因特網的興起有著密切的聯系。因此，網絡經濟又被稱為因特網經濟，是指基于因特網進行資源的生產、分配、交換和消費為主的新形式的經濟活動。在網絡經濟的形成與發展過程中，互聯網的廣泛應用及電子商務的蓬勃興起發揮了舉足輕重的作用。一方面，伴隨國際互聯網的發展，大量新興行業不斷涌現，資源配置得以進一步優化，構成網絡經濟不可缺少的一部分；另一方面，電子商務帶來虛擬網絡交易模式，傳統交易活動演變成通過國際互聯網進行的網絡交易活動，構成網絡經濟的重要組成部分。
與知識經濟、信息經濟和數字經濟相比，網絡經濟這一術語的區別在于它突出了因特網，并將基于國際互聯網進行的電子商務看視作網絡經濟的核心內容。
三、知識經濟的內涵
二次世界大戰后，由于科技進步，全球知識生產、流通速度不斷提高，分配范圍不斷擴大，社會經濟面貌煥然一新。在此背景之下，相當多的學者也開始關注知識與經濟社會之間的聯系，知識經濟的概念逐漸形成。例如，美國丹尼爾?貝爾和日本屋太一等學者分別從“后工業社會”、“知識價值社會”的角度論述了知識在社會經濟中的作用。這些論述雖然還沒有提出知識經濟的基本概念，但卻已經涉及到了知識經濟的基本內容。
1996年經濟合作與發展組織（OECD）在年度報告《以知識為基礎的經濟》中認為，知識經濟是以知識為基礎的經濟，直接依賴于知識和信息的生產、傳播和應用。從生產要素的角度看，知識要素對經濟增長的貢獻高于土地、勞動力、資本等，因而“知識經濟”是一種知識為基礎要素和增長驅動器的經濟模式。特別是隨著現代信息和通信技術的發展，知識和信息的傳播和應用達到了空前的規模，知識對經濟增長的影響更加明顯，已成為提高勞動生產率和實現經濟增長的引擎。正如美國學者美唐?泰普斯科特（Don Tapscott）所言：信息科技強化了以知識為基礎的經濟。換言之，知識經濟最重要的特征是知識的創造以及其對經濟發展的貢獻比重大幅度地增加了。
四、比較及總結
通過上述各概念分析，知識經濟、信息經濟、網絡經濟和數字經濟之間的確存在差異。知識經濟強調知識作為要素在經濟發展中的作用；信息經濟強調信息技術相關產業對經濟增長的影響；網絡經濟強調因特網進行資源分配、生產、交換和消費為主的經濟活動；數字經濟則突出表現在整個經濟領域的數字化。但正是存在差異，才產生必然聯系性。雖然知識在經濟發展中的作用早已提出，但是“知識經濟”概念的提出并受到重視卻是最近幾十年的事情。知識經濟的產生是人類發展過程中知識積累到一定程度的結果，并最終孕育了信息技術和因特網的誕生。同時，信息技術和因特網的廣泛應用更加促進人類知識的積累，并加速人類向數字時代的過渡。知識經濟、信息（產業）經濟、網絡（因特網）經濟這些概念在同一個時代提出并不是相互矛盾或重復，而是從不同方面描述當前正處于變化中的世界?！爸R經濟――信息（產業）經濟、網絡（因特網）經濟――數字經濟”之間的關系是“基礎內容――催化中介――結果形式”。知識的不斷積累是當今世界變化的基礎；信息產業、網絡經濟的蓬勃發展是當代社會發生根本變化的催化劑；數字經濟是發展的必然結果和表現形式。因而這幾個概念相輔相成，一脈相傳。
圖1 數字經濟等相關概念的區別與聯系
參考文獻
[1]烏家培，肖靜華.信息經濟學［M］.北京：高等教育出版社，2007.
[2]吳季松.知識經濟學［M］.北京：首都經濟貿易大學出版社，2007.
[3]烏家培.信息社會與網絡經濟［M］.長春：長春出版社，2002.
[4]紀玉山.網絡經濟學引論［M］.長春：吉林教育出版社，1998.
[5]劉列勵.信息網絡經濟與電子商務［M］.北京：北京郵電大學出版社，2001.
關鍵詞關鍵詞：神經網絡；數字識別；特征提取
中圖分類號：TP312文獻標識碼：A 文章編號：16727800（2014）002005803
0引言
數字識別是模式識別領域的一個重要分支，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，穩定性好、易于實現。其矩特征具有平移、旋轉和縮放不變性，匹配性好[1]。
人工神經網絡是由大量簡單的基本元件——神經元相互連接，通過模擬人的大腦神經處理信息的方式，進行信息并行處理和分線性轉換的復雜網絡系統[2]。自1943年心理學家McCulloch和數學家Pitts提出神經元生物學模型以來，人工神經網絡經過不斷地發展成熟，至今已經廣泛地應用于各個領域。本文將圖像的像素特征和矩特征相結合，用于人工神經網絡分類器的訓練和測試，獲得了良好的識別效果。
1圖像特征提取
特征提取是根據測量數據確定出對分類有意義的數據作為特征數據，這些特征類內樣本距離應盡量小，類間樣本距離應盡量大[3]。特征提取算法應具有較高的穩定性和魯棒性，同時又便于提取，易于實現。在特征提取之前，需要對圖像進行預處理。首先，將圖像進行二值化處理，保證目標像素值為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上，再對圖像的像素特征和Hu矩特征進行特征提取。
1.1像素特征提取
將16*16的二值圖像矩陣轉化為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，分別統計這8個區域內白像素的個數，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，統計這四條線穿過的白像素的個數，得到4維特征。字符圖像全部白像素數作為1維特征，得到圖像的13網格特征[4]，數字1-9的13網格特征如表1所示。
本文設計的PNN神經網絡輸入向量為上文提取的276維特征向量，激活函數采用高斯函數，與BP神經網絡采用相同的測試集，識別率達到92.5%。與BP神經網絡相比，識別率有了大大提高，且省去了訓練時間。
3結語
BP神經網絡采用學習率可變的訓練算法，收斂速度最快，可有效節省時間。PNN神經網絡在創建網絡的過程中對網絡進行訓練，簡化了BP神經網絡復雜的學習過程，且與BP神經網絡相比具有更好的分類性能。在模式識別領域，PNN神經網絡有著巨大的優越性。當然，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。
參考文獻：
[1]李曉慧. 基于MATLAB的BP神經網絡的應用[J].科技信息，2010（26）.
[2]徐遠芳，周旸，鄭華. 基于MATLAB的BP神經網絡實現研究[J].微型電腦應用，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.遺傳算法原理及應用[M].北京：國防工業出版社，1999.
[6]魏海坤.神經網絡結構設計的理論與方法[M].北京：國防工業出版社，2005.
[7]呂瓊帥.BP神經網絡的優化與研究[D].鄭州：鄭州大學，2011.
[8]高雋.人工神經網絡原理及仿真實例[M].北京：機械工業出版社，2003.
【關鍵詞】數字圖書館；管理；運作模式；服務方式；傳播理論
一、數字圖書館之我見
數字圖書館是隨著計算機網絡技術、數據庫技術、多媒體技術的發展而產生的，是一項全新的社會事業，發展至今十幾年仍沒有一個明確的定義。關于數字圖書館的幾十種定義，前人已經做了很好的歸納和總結。筆者在此只給出數字圖書館的一個簡單定義，并不一一羅列，即數字圖書館就是一種虛擬的擁有多種媒體內容的超大規模、分布式的數字化信息資源，是便于使用的、沒有時空限制的、可以實現用戶的跨庫鏈接與智能檢索，并為一定的社會政治、經濟服務的文化教育機構以及機構的組合。但不管站在什么角度看數字圖書館，它都具備3個特點：即信息資源數字化、信息存取網絡化以及分布式管理。數字圖書館在信息服務過程中發揮著舉足輕重的作用，其核心價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，承擔了傳播社會知識開展公益服務的使命。數字圖書館的建設是一項造福后代的宏偉工程，是中華民族文化數字化網絡化的最重要的組成部分，是關系到中華民族文化能否成為互聯網的主流文化的關鍵。數字圖書館建設成功之后，將使傳統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展，進入開口必談“．com”的 21 世紀后，網絡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。以網絡技術為代表的新一代信息傳播技術的發展，使得新的人類信息傳播體系已經開始形成。現在更多的人開始習慣在互聯網上查閱最新的期刊報紙乃至最古老的歷史文獻，走進圖書館查資料的學習和科研方式有了新的而且更具優勢的替代方法。在網絡技術出現之前，人類信息存儲和管理幾乎是圖書館的“專利”，然而這項“專利”在網絡時代受到了前所未有的挑戰。
二、數字圖書館信息傳播的主要內容
如何在網絡環境下建設數字圖書館，一直是圖書館界面臨的富有爭議性的話題。通過分析信息技術發展的趨勢和規律以及信息傳播學的理論和發展趨勢，可以為我們建設數字圖書館提供極具參考價值的意見。
2.1 圖書館的傳播類型
結合傳播的基本模式來看，圖書館傳播可分為：①自我傳播：即圖書館內部組織機構及其功能的合理配置與有效協調。②館際傳播：就是館際互借與文獻傳遞。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性、全國性或國際性聯盟以舉辦會議、出版專著和專業期刊、共建公共服務體系等。④大眾傳播：即通過大眾傳媒對圖書館形象進行傳播。
2.2 數字圖書館信息傳播的特點
首先，網絡信息傳播具有交互性、選擇性、即時性、網絡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絡環境下圖書館信息傳播所應有的特點。故此，網絡環境下數字圖書館信息傳播的特點包括：①圖書館的信息傳播在時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出多樣化；④圖書館信息傳播包括實物傳播和網絡傳播兩種方式。
三、數字圖書館的服務形式
3.1 檢索查詢
這是目前圖書館網絡信息服務的一個主要的類型。各館都在這方面投入了很大的人力和資金。在這項服務中，包括館內書目查詢、期刊查詢、文獻檢索、數據庫檢索、讀者情況查詢、讀者利用查詢、國際聯機檢索、光盤檢索等等。各館還根據自己的情況存在差別或限制，實際也是大多數情況下并不能滿足讀者的需要。很多還要額外付費或親自到館內的專門檢索部門去接受線上查詢?？傊?，無論目前狀況如何，檢索查詢服務在未來仍是圖書館網絡信息服務的重要形式。
3.2 在線閱覽
在線閱覽不是說在網上直接瀏覽相關的網絡網頁，而是圖書館專門提供電子圖書的線閱讀服務，比如使用像超星圖書閱覽器進行在線讀書，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。到國家圖書館的WEB服務器上下載一個圖書瀏覽器插件npbook.exe，在客戶端安裝以后，即可在網上閱讀他們提供的電子圖書。清華大學圖書館的“一本書齋”電子圖書服務，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，不但內容豐富，而且網頁也制作得十分精美。其電子文獻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 其他服務形式
除了上述二種服務形式外，還有搜索引擎、網上教室、交互信息服務、機上目錄、FTP等，用戶能夠客觀地把握所學知識的總體框架，從而進行系統深入的學習和研究。圖書館公告、圖書館人才招聘交流廣告、網上問卷調查、讀者留言、信息反饋等，具有一定的實時性和交互性，是圖書館通過網絡與讀者用戶交流的主要途徑。機上目錄將傳統服務在網絡上進行拓展，既方便了讀者和用戶，也減輕了館員的工作負擔，使得他們不必長時間陷于借與還的重復之中，可以更好的進行其它的服務和研究。
四、對數字圖書館的一些建議
4.1 圖書館應主動與科研人員聯系，跟蹤科研課題的進展情況，深入了解他們的需要，設計定題服務方案，建立定題服務數據庫，做好整個過程的定題跟蹤服務。高校圖書館可為教學提供定題服務，利用導航庫定期向教師提供專題信息資料、學科發展動態、學科專業文獻目錄等。圖書館主動定期與用戶聯系溝通，并對用戶的課題進行全程跟蹤服務。
4.2 開展個性化信息服務是圖書館信息服務的發展方向，是滿足用戶個性化信息需求的重要手段，更是網絡時代圖書館生存發展的需要。高校圖書館開展個性化服務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的內容和方式，只有通過對用戶信息需求特點、方向進行跟蹤分析，才能有效地開展服務，才能更好地滿足用戶信息需求！
第二，建立自己的特色館藏數據庫！圖書館要及時完整地將館藏的各種紙質文獻及其他介質的文獻進行數字化處理，利用已有的數據庫，如中國學術期刊全文數據庫、維普資訊數據庫、萬方數據庫等。結合本地區的經濟發展及用戶類型，建立有自己特色的館藏數據庫，并隨時更新，免費為用戶提供服務。以培養讀者信息獲取和運用能力為基礎，廣泛信息素養教育。
第三，高校圖書館開展信息素養教育，對全面增進學生對文獻信息的檢索、分析以及開發利用的無疑具有重要的作用！信息素養教育的根本目讓學生適應社會信息環境，培養他們的信息獲識、信息傳播意識、信息保密意識和信息更新。信息素養教育的關鍵是使大學生綜合素養獲得提升，為實現自我發展打下良好基礎！
【參考書目】
[1]劉嘉．網絡環境下圖書館的變革研究［J］．中國圖書館學報，2001(1)．
[2]鄒忠民．網絡環境下信息服務的特點及圖書館發展探索［J］．中國圖書館報，2001，(1)．
關鍵詞：BP神經網絡；數字識別；特征提取
中圖分類號：TP183 文獻標識碼：A 文章編號：1009-3044（2013）14-3362-04
1 概述
數字識別在車輛牌照識別、銀行支票識別和郵政儲蓄票據識別等領域有著廣泛的應用，因而成為研究人員近年來研究的一個焦點[1]。而人腦神經系統模型的建立為人工神經網絡的產生提供了理論模型依據， 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的重要組成部分和常用方法。人工神經網絡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現對其所接收信息的處理。而隨著人工神經網絡技術的快速發展，其為解決模式識別鄰域的相關問題提供了新的解決思路和方法，其突出的優點在于它具有對接收信息可進行并行分布式處理能力和自我學習反饋能力，因而吸引了眾多研究人員對其進行廣泛和深入的研究。而誤差反向傳播網絡（Back-Propagation），即BP神經網絡，是一種典型的人工神經網絡，它具有人工神經網絡的所有優點，因而在眾多技術鄰域有著廣泛的應用[3]。該文首先對BP神經網絡的基本原理進行了詳細介紹，在分析了其基本原理的基礎上，針對數字識別問題，設計了一種利用BP神經網絡技術進行數字識別的方法。經實驗表明，該方法合理可行，且其識別效果正確有效。
2 相關原理與知識
由于本文針對數字識別問題，利用BP神經網絡技術對其進行方法設計和實現，首先必須了解BP神經網絡的基本原理，即了解其具體構成形式、模型分類和其功能特點。其次，在了解了BP神經網絡基本原理的基礎上，進一步了解其所處理數據的特點和組成形式，并根據處理數據的特點和其數據結構設計相應的數字識別方法。下面分別對它們進行詳細的介紹。
2.1 BP神經網絡基本原理
BP神經網絡算法由數據信息流的前向計算，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。當信息流進行正向傳遞時，其傳遞方向為從輸入層到隱層再到輸出層的順序，器每層神經元所處的狀態只會影響下一層神經元的狀態。若在最后的輸出層沒有得到理想的輸出信息，則應立即進入誤差信息的反向回饋過程[6]。最終經過這兩個過程的相互交替運行，同時在權向量空間使用誤差函數梯度下降策略，動態迭代搜索得到一組權向量，使得該BP神經網絡的誤差函數值達到最小，從而完成對信息提取和記憶過程[7]。
2.2 BMP二值圖像文件數據結構
由于本文處理的數據源為BMP二值圖像，則必須了解其數據結構，才能對其進行進一步的識別方法設計。由數字圖像處理基礎知識可知，常見BMP二值圖像文件的數據結構由以下三部分組成：（1）位圖文件頭，其包含了BMP二值圖像的文件類型、文件大小和位圖數據起始位置等信息；（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、壓縮類型、位圖分辨率和顏色定義等信息；（3）位圖數據體，其記錄了位圖數據每一個像素點的像素值，記錄順序在掃描行內是從左到右，掃描行之間是從下到上。因此，根據BMP二值圖像數據結構信息，讀出所需要的圖像數據，并對這些圖像數據做進一步的處理。在本文給定的訓練圖像中，圖像數據大小為80個字節，而圖像數據體距離其文件頭的偏移量為62個字節。但為了減少數據處理數量，該文在進行實驗時直接使用位圖數據體中的數據，沒有通過讀出位圖文件頭來得到位圖數據體中的數據。
3 數字識別具體設計方法
由上文可知，該文使用數據源為圖像大小為20*20的BMP二值圖像，由于是對位圖數據體的數據直接進行操作，因此省去了對圖像其他數據結構數據的繁雜處理過程，將問題的核心轉向BP神經網絡的設計方法步驟。
4 實驗結果
圖4所示為BP神經網絡訓練及測試結果圖。該文選擇10個訓練樣本，通過實驗結果可以看出，由這10個訓練樣本訓練出來的BP神經網絡對于訓練樣本中的圖像數值識別率達100%，訓練時間也比較短，其迭代次數大概為700次左右。對于一些含有噪聲的圖片，只要噪聲系數小于0.85個字符，其數字識別率可達96%。
5 結束語
針對二值圖像數字識別問題，該文在對BP神經網絡的基礎理論進行分析后，設計了一種基于BP神經網絡的數字識別方法，并通過實驗驗證了該BP神經網絡用于數字識別的可行性和有效性。而對于BP神經網絡存在的收斂速度慢、易陷入局部最優和學習、記憶具有不穩定性等問題，還有待于對其進行一步研究。
參考文獻：
[1] 韓力群.人工神經網絡教程[M].北京：北京郵電大學出版社，2006.
[2] 呂俊，張興華.幾種快速BP算法的比較研究[J].現代電子技術，2003，24（167）：96-99.
[3] 陸瓊瑜，童學鋒.BP算法改進的研究[J].計算機工程與設計，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神經網絡的數字識別研究[J].信息技術，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.基于粗網格神經網絡的車牌字符識別方法[J].沈陽建筑大學報，2007，23（4）：694-695.
關鍵詞：數字化校園；網絡設計；IP地址規劃
中圖分類號：TP393.18 文獻標識碼：A 文章編號：1674-7712 (2012) 14-0044-02
數字化校園是指一個網絡化、數字化、智能化有機結合的新型教育、學習和研究的校園平臺。它是師生獲取豐富資源的渠道，是師生交互的樞紐、在教學和管理中起著極其重要的作用。由于數字化校園建設是一項龐大的系統工程，本文擬以南京郵電大學（三牌樓校區）數字化校園建設為例，談談校園網的優化設計。
一、現實與發展：校園網的不足與訴求
目前，校園網已存在嚴重不足，表現為網絡出口帶寬不足，網絡諸塞、訪問速度慢；管理、計費方式單一，智能化管理滯后；網絡規劃不合理，不安全因素增多；網絡設備陳舊，制約網絡性能的發揮等。
現代化的數字化校園對網絡要求較高，中心層必須具有萬兆級帶寬和處理性能；設備、業務、鏈路的可靠性設計；智能識別應用事件、調度網絡資源的QOS需求；阻擊病毒和黑客的攻擊的安全保障等。
二、重構與優化：數字化校園的架構設計
校園網優化設計方案將從學校的實際應用出發，結合現代信息技術的發展，遵循實用、科學、合理、靈活和安全的設計原則。校園網的架構主要是硬件系統架構，它包括綜合布線系統架構、基礎網絡架構和數據中心架構等，綜合布線系統采用模塊化的結構，按照每個模塊的不同作用，將工作區子系統、水平子系統、垂直子系統、管理子系統、設備間子系統和園區子系統等的架構和優化，實現六個子系統的統一和協調；數據中心架構即實現服務器系統的虛擬化和存儲系統的智能化等，本文側重于基礎網絡的架構。
（一）重構網絡拓撲結構
采用分層來設計網絡拓撲結構，主要用于局域網設計，即將復雜的網絡設計分成幾個層次，每個層次著重于某些特定的功能，這樣就能夠使一個復雜的大問題變成許多簡單的小問題。中心層提供整個網絡的核心任務，它負責中心多層路由、交換能力，中轉層主要實現內部網和外部網的訪問控制，減輕了中心層路由交換機的負載，同時保證了設備的統一性，為將來網絡維護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，提供高速的主干通道。這樣設計具有節省成本、易于理解、易于擴展、易于排錯等優點。
重構后的網絡拓撲圖如圖1-1所示。
（二）優化網絡系統結構
校園網絡系統從結構上分為中心層、中轉層和接入層。中心層的功能主要是實現骨干網絡之間的優化傳輸，它一直被認為是所有流量的最終承受者和匯聚者，所以對中心層的設計以及網絡設備的要求十分嚴格。中心層設備將占投資的主要部分。中轉層的功能主要是連接接入層節點和中心層中心，中轉層設計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。接入層的設計上主張使用性能價格比高的設備。接入層是最終用戶(教師、學生)與網絡的接口，應該具備即插即用特性以及易于維護的特點，在接入層面，通過定義相應的訪問策略，實現訪問控制，內外隔離。
1.中心層網絡設計
中心層是網絡的高速交換主干，對整個網絡的連通起到至關重要的作用。中心層主要負責以下的工作，提供交換區塊間的連接、提供到其他區塊如服務器區塊的訪問、盡可能快地交換數據幀或數據包等。它應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、適應性、低延時性等。在中心層中，應該采用高帶寬的千兆以上交換機。
2.中轉層網絡設計
中轉層是網絡接入層和中心層的“中介”，就是在工作站接入中心層前先做匯聚，以減輕中心層設備的負荷，資源和服務先分散在節點上，避免了性能瓶頸，增強了擴展性。中轉層具有實施策略、安全、虛擬局域網（VLAN）之間的路由、源地址或目的地址過濾等多種功能。在中轉層中，應該采用支持三層交換技術和VLAN的交換機，以達到網絡隔離和分段的目的。
3.接入層網絡設計
接入層為用戶提供了接入網絡的能力，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絡的主干。應注意要適度超前，分期實施，簡化設計，安全隔離。在校園網絡中，接入層交換機包括將本地的信息點連接至骨干網絡，同時因為采用了堆疊的技術，可以使分布層和接入層合而為一，不僅簡化了網絡結構，同時也節省了網絡投資。
（三）規劃IP地址
IP地址編址設計和分配利用時，遵循自治、有序、可持續性和可聚合等原則。此次方案的設計中，采用“公私結合、動靜結合”的原則，由于學校由多個子網組成，IP地址采用由32位二進制數碼組成，8位為一組，分為4組，中間用"."隔開。每個子網中，路由器到交換機各端口起到網關的作用，為了讓網關IP地址有規律，路由器到以太網端口IP地址的主機標識都取"1"。
此次方案的設計中采用“公私”結合和“動靜”結合，“公私”結合即根據所分配的公網IP地址和內部私網IP地址相結合，地址可分為兩大塊，一塊是公網IP地址，作為和國際互聯網互連的地址，主要供網絡中心和圖書館、實驗室專用；一塊是“私網”即校園網的普通用戶，使用內部地址，如：192.168.xxx.xxx，采用上網的方式；由于網絡用戶較多，IP地址數量有限采用“動靜”結合，靜態IP地址分配給一些公共的、常用的用戶使用，動態IP由于所有用戶在同一時間上網的可能性不大，誰需要上網采取自動獲取的方式獲得IP地址，這就需要中心交換機支持靜態或動態的IP地址分配，并支持動態IP地址分配方式下DHCP-Relay功能。
三、測試與分析：數字化校園的優點突顯
（一）經測試，優化方案實施后與原有校園網絡數據對比如表2
（二）該設計的優點
解決了用戶存在的帶寬、安全、管理計費、靈活擴展等問題，有效地減輕了流量負荷，使設備時刻保持穩定和高效，保持了網絡穩定、通暢和安全，也有利于未來網絡的擴充和升級。
參考文獻：
關鍵詞：人工神經網絡；BP網絡；數字識別
中圖分類號：TP183 文獻標識碼：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
人工神經網絡是人工智能領域發展最快的信息處理技術之一，是由研究大腦和神經系統獲得的啟示而建立的一種計算模型。由于其具有鮮明的分類能力、并行處理能力和自學習能力。通過對有代表性的樣本的學習可以掌握學習對象的內在規律，從而可以在一定程度上克服信息量大的問題，解決傳統方法的不足。采用神經網絡的識別方式對字符識別研究提供了一種新的手段，其應用具有重要的意義。本文論述了利用神經網絡理論進行圖像識別的原理并用Visual C++6.0實現了在提取圖像特征后，利用BP神經網絡進行圖形識別圖像的主要技術。
一、BP網絡簡介
BP神經網絡通常采用輸入層、隱層和輸出層的結構形式，層與層之間的神經元進行全加權連接。相關文獻表明，含有一個隱層的3層BP神經網絡可擬合任意的非線性函數。
圖1中 和 為連接權系數矩陣， 和 為偏差矩陣， 為輸入矩陣， 為輸入參數，隱層含有 個神經元，輸出層含有 個神經元， 和 為各層傳遞函數。激勵函數決定了神經模型的學習和計算能力，也決定了模型的構造方法與性能的優劣。本工作網絡隱層和輸出層都采用 函數作為激勵函數。
在實際訓練時，首先要提供一組訓練樣本，其中的每個訓練樣本由輸入樣本和理想輸出對組成。當網絡的所有實際輸出與其理想輸出一致時，訓練結束。否則，通過誤差逆傳播的方法來修正權值使網絡的理想輸出與實際輸出一致。反復學習直至樣本集總誤差（公式1）達到某個精度要求，即E
（公式1）
其中 為網絡之實際輸出， 為網絡期望輸出。
二、數字字符識別的基本原理
數字識別系統在實現的過程當中，先分解成兩個大塊，就是圖像預處理模塊和數字識別模塊。其中圖像預處理塊在對圖像進行了一系列變換后把最后提到的數字字符提交給數字識別模塊，然后進行識別并給出結果。
數字識別系統中圖像預處理環節用到了許多圖像處理中的相關技術：比如灰度化、二值化、圖像內容自動調整、去離散點、圖像的縮放、細化、曲線平滑、曲線去枝椏操作及神經網絡對提取到的數字信息進行分析判斷[1]。
三、神經網絡的設計與實現
（一）數字的編碼方式
本文采用BP網絡的思想來設計并訓練一個可行、高效的BP網絡，以實現對0到9共10個加噪聲后的數字識別。
這里采用8×8個加64點陣的形式，使用美觀的數碼管字體。
（二）神經網絡模型的建立
由于本文中所介紹的系統采用8×8個加64點陣的形式表示數字字符，所以容易確定BP神經網絡的輸入層為64維。在輸出層，將0～9數字用8421碼進行編碼，這樣10個數字就需要4位二進制的編碼。因此就可確定輸出層有4個神經元。隱層的神經元數目的選擇，是BP算法設計的關鍵。編程證明，當隱層神經元數目超過55的時候，網絡的訓練時間將無法忍受，同時抗噪聲能力大大降低[3]；當神經元數目低于7的時候，系統誤差無法收斂到滿意的值，又造成識別率過低[4]。經過多次的比較分析、測試，本文最終選定了隱層為49個神經元。
（三）數字識別的基本步驟
Step1：初始化樣本，這里采用兩組樣本訓練網絡，第一組是純凈的不含噪聲的樣本數據0-9，第二組是含10%噪聲的樣本數據0-9。
Step2：初始化神經網絡。
Step3：利用第一步中的樣本訓練神經網絡。
Step4：利用訓練好的網絡進行數字識別。
（四）程序的實現
本文采用Visual C++6.0加以實現。
setSamples（）的功能：裝載的網絡學習樣本集和目標輸出，并傳遞給inputsamples和targetsamples。
Train（）的功能：根據setSamples（）裝載的網絡學習樣本集和目標輸出，訓練網絡權值和閥值參數[6]。
程序的實際運行表明對數字字符采用如上的BP網絡可以達到很高的識別率。
四、結論
實踐證明，該網絡對數字字符識別具有很高的識別率，由神經網絡具有自學習、聯想、記憶、行處理復雜模式的功能，在多過程、非線性系統方面的模式識別中發揮著較大的作用[7]。此網絡的實現具有廣闊的應用前景。
參考文獻：
[1]方彩婷.基于BP神經網絡的圖像識別與跟蹤研究[D].西安:西安電子科技大學,2006
[2]熊國清,于起峰.用于實時跟蹤的快速匹配算法[J].計算機輔助設計與圖形學,2002,7(2):46-48
[3]桑農,張天序.旋轉與比例不變點特征松弛匹配算法的Hopfield神經網絡實現[J].宇航學報,1999,20(3):106-108
[4]楊小岡,曹菲,繆棟等.系統工程與電子技術[M].北京:高教出版社,2005
[5]張宏林.Visual C++數字圖像模式識別技術及工程實踐[M].北京:人民郵電出版社,2003
[6]萬里青,趙榮椿,孫隆和.不變性目標識別方法研究[J].信號處理,1996,12(2):124-128
[7]焦李成.神經網絡系統理論[M].西安:西安電子科技大學出版社,1995
關鍵詞關鍵詞：MATLAB編程；數字識別；圖像處理；神經網絡
DOIDOI：10.11907/rjdk.162852
中圖分類號：TP319
文獻標識碼：A文章編號文章編號：16727800（2017）005004704
0引言
圖像識別是一項利用計算機對圖像進行處理、分析和理解，以識別各種不同模式目標和對象的技術[1]。圖像識別技術目前還不能達到人類的認知水平，但在特定應用環境中，可以通過模式識別或者神經網絡的方法來對圖像中的事物進行分類判斷。一般而言，一個數字字符識別系統主要由3個部分組成，如圖1所示。
圖1系統組成
其中，預處理模塊將圖片格式（例如JPG格式）轉換為計算機能識別的二進制數據流；圖像處理模塊則實現圖像采集與轉換、邊緣提取、歸一化等功能；字符識別模塊可以由兩種方法實現：模式識別或者神經網絡方式，本文系統采用神經網絡方式。
1識別目標及預期結果
此系統識別目標是在沒有強干擾下，系統能夠準確識別出圖片中的0～9這10個數字。示例圖片如圖2所示。
系統識別中所用到的含單個數字的圖片取自圖2，均為純色背景（不一定必須為白色背景）圖片，且圖片中數字圖像無較大噪聲干擾。系統經過一系列處理后，能成功識別，給出識別結果，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預處理
預處理是將圖片二值化的過程。預處理的目的簡單來說就是把彩色圖片處理為計算機更好處理的二進制數據流。預處理的過程主要分兩部分：彩色圖轉灰白圖，灰白圖轉二進制矩陣形式數據。
目前用于彩色圖轉換為灰度圖的基本算法主要有：最大值法、平均值法、加權法，本文采用加權法。加權法的主要思想是設當前像素的三分量分別為R，G，B，然后利用公式（1）得到轉換后的像素分量值：
GRAY=0.3*R+0.59*G+0.11*B（1）
在MATLAB中，函數img2gray就是采用加權法實現的。圖像二值化就是將圖像像素點的灰度值設置為0或255，也就是將整個圖像呈現出明顯的黑白效果。二值化的處理過程是將圖像中有意義的特征和需要應用的特征進行分割，利用前景和背景灰度特性的差異，低于閾值的像素設定為一個灰度值，高于閾值的像素設定為另一個灰度值。這樣可將前景色與背景色以明顯差異的灰度級區分開來[2]。閾值選取有手動選取和自適應選取兩種方法。MATLAB中圖像二值化的實現主要依靠im2bw函數來實現。圖像二值化過程中，最重要的是閾值變換。比如數組a=[120，254，0，200，99]，設定一個閾值125，并對a進行閾值變換，那么a中凡是大于125的，則變為255，小于等于125的則變為0。具體對臨界情況處理可能不同，不過MATLAB中im2bw函數是按照上述方法處理的。a經過閾值變換后變為[0，255，0，255，0]。在MATLAB中使用im2bw函數進行圖像二值化處理時（將圖像轉換為二值圖像），人為設定閾值并不總是十分有效。MATLAB工具箱提供了graythresh函數[3]。該函數使用最大類間方差法得到一個閾值，利用這個閾值進行圖像二值化通常有效。
經過預處理后得到的二值化圖像，還要經過一系列圖像處理過程，才能用于神經網絡訓練。
3圖像處理
圖像處理的目的是將圖片變為神經網絡能處理的數據流。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：當前點像素值與其下一個像素值之差的絕對值，加上當前點像素值與其下一行當前像素值之差的絕對值，如果結果大于閾值，則當前像素值置為此結果。
（2）去除離散噪聲。利用遞歸方法查找當前像素8個方向是否存在黑色像素，這里設置連續長度為15，如果用遞歸方法得到連續像素值大于15，則認為不是噪聲；相反，則認為是噪聲，則置為白色像素。
（3）字符傾斜度調整。盡量保存每個字符的位置一致。
（4）分割字符。找出每個字符的區域，用矩形記錄，記錄每個字符矩形數據。
（5）字符歸一化。根據圖像預處理準備階段設置的歸一化標準，把每個字符的區域進行歸一化，使得所有字符區域矩形一樣大，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字，且無較大干擾，所以不需要去除離散噪聲、字符傾斜度調整、分割字符和字符緊密排列等步驟。經過預處理的圖像數據，只需要進行銳化和歸一化處理，就可以用于神經網絡訓練。
圖像梯度銳化的目的是使原來的模糊圖像變得清晰。MATLAB中使用的梯度函數為gradient函數。Gradient（F）函數求的是數值上的梯度，計算規則：[Fx，Fy]=gradient（F），其中Fx為其水平方向上的梯度，Fy為其垂直方向上的梯度，Fx的第一列元素為原矩陣第二列與第一列元素之差，Fx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據經過處理后（通過某種算法）限制在要求范圍內。對于圖像處理中的w一化而言，就是將所有數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格。MATLAB中用于實現圖像矩陣歸一化功能的函數是mat2gray函數[5]。該函數在數字圖像處理中經常用到，歸一化的具體流程如圖4所示。
經過歸一化處理之后的圖片數據，將其存儲在一個矩陣中，用于神經網絡的訓練。
4神經網絡訓練
人工神經網絡算法主要有兩種：一種是先對待識別字符進行特征提取，然后用所獲得的特征來訓練神經網絡分類器[6]；另一種方法是直接把待處理圖像輸入網絡，由網絡自動實現特征提取直至識別出結果。前一種方法識別結果與特征提取有關，而特征提取比較耗時。因此，特征提取是關鍵。后一種方法無需特征提取和模板匹配，隨著相關技術的進步，這種方法更實用。
神經網絡有許多種，在MATLAB中已經有集成神經網絡工具箱。本文系統中，對數字圖像的識別采用BP神經網絡來進行訓練。BP神經網絡為前饋神經網絡，網絡的學習狀態為有導師學習狀態。它是一種具有學習能力和記憶能力的神經網絡，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量的節點，具體數量隨需求而定，沒有具體的標準。單層神經網絡結構如圖6所示。
BP神經網絡是誤差反傳誤差反向傳播算法的學習過程，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元；輸入信息經過中間層內部信息處理，實現信息變換，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構；最后，一個隱層傳遞把信息傳遞給輸出層，通過進一步處理，實現一次學習的正向傳播處理過程，輸出層把信息處理結果輸向外界。當輸出結果和預先期望效果不符時，就進行誤差反向傳播。誤差通過輸出層，根據誤差梯度下降的方式改變各層權值，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，是各層連續修正的過程，也是神經網絡學習訓練的過程，這個步驟一直執行到最終輸出的誤差降低到能夠接受的范圍，或者預先輸入的學習次數為止。
此系統中所使用的神經網絡在中間層設置25個節點，1個輸出節點。此系統采用三層神經網絡來實現。采用s型對數函數logsig作為隱含層各神經元的傳遞函數，并采用純線性函數purelin作為輸出層各神經元的傳遞函數。此神經網絡的訓練函數采用traingdx，學習模式函數為learngdm。訓練步數最長設為5 000，性能目標設為0.001。
神經網絡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據。
神經網絡的訓練結果如圖7所示。神經網絡的性能曲線如圖8所示。
5用艚換
考慮到該系統具有一定交互功能，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'）；
開始運行時，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，系統給出識別結果和圖像處理各階段中的圖片，此處用subplot函數來實現一個窗口中顯示多張圖片的效果，部分代碼如下：
6結語
通過樣本識別驗證，本文數字識別系統具有一定識別精度。本系統基本做到樣本圖片的100%識別，對于其它只有單數字的圖片，經過訓練之后，也能準確識別。本系統實現了部分人機交互功能，能讓用戶自主選擇需要識別的圖片，并輸出識別結果和各個處理過程中的圖片。
參考文獻參考文獻：
[1]岡薩雷斯.數字圖像處理（MATLAB版）[M].阮秋琦，譯.北京：電子工業出版社，2006.
[2]梁路宏，艾海舟，徐光佑，人臉檢測研究綜述[J].計算機學報，2002，25（5）：449458.
[3]羅華飛.MATLAB GUI設計學習手記[M].北京：北京航空航天大學出版社，2009.
[4]聶影.MATLAB軟件應用研究[J].軟件導刊，2014，13（7）：102104.
[5]趙春蘭.《MATLAB軟件應用》課程教學淺析[J].科技創新導報，2015（22）：178179.
