BP神经网络训练的一个问题，请大家（特别是有做过车牌识别的）帮忙参考一下

bright_yang

我在编写一个车牌识别的程序，车牌定位没有做，只是再做一个车牌定位后的字符识别，就是已知一个二值化的车牌，我用BP神经网络在matlab环境下编程识别来实现。
     我的算法是这样的：比如车牌，京F。S 1234，已经分割出车牌上的每个字符（图像格式），然后再把他们归类识别，分为字母，数字，汉字。对分割出的字符图像进行尺寸归一化，归一化为70*50，然后再对这些字符进行训练，
特征提取是：每个字符图像分划35个10*10的网格，统计这35个网络中的白点（值为1的点）的百分比。用这35个数作为神经网络进行输入。
     对于数字，进行训练采用matlab工具箱函数，配置如下：
load E52PT  p  t;
pr(1:35,1) = 0;
pr(1:35,2) = 1;
net = newff(pr,[20 10],{'logsig' 'logsig'},'traingdx');
net.LW{2,1} = net.LW{2,1}*0.01
net.b{2} = net.b{2}*0.01;
net.performFcn = 'sse';         
net.trainParam.goal = 0.0001;   
net.trainParam.show = 20;      
net.trainParam.epochs = 5000;  
net.trainParam.mc = 0.95;  
net = train(net,p,t);
save E52net_35 net;

训练中，收敛很快，应用这个网络来识别车牌上的数字还可以，但是我用同样的特征提取来训练英文字母的时候，为什么不好训练呢？训练结果很不好收敛。

我的问题是：
     难道训练的时候和输入数据有关？  字母特征提取和数字提取的时候都是一样的，35个输入，百分比（0~1之间的数），训练工具配置都是一样的

    是我训练的数太多了，字母要24个，训练的话要比数字多，但是我训练时低于200（训练数字的时候，输入了200个，即p（35，1：200）），仍然难于收敛，把权值和阈值调节了，还是不好收敛，很是不明白其中玄机。

   请大家熟悉的帮忙参考一下。

    不胜感激！