基于神經(jīng)網(wǎng)絡(luò)分類器的聯(lián)機(jī)手寫藏文識別.pdf

1、本文是在參加國家自然科學(xué)基金《藏文智能輸入研究》(基金號：60273090)的基礎(chǔ)上完成的。 分類器是識別系統(tǒng)的識別模塊的核心，其設(shè)計(jì)的優(yōu)劣直接影響到識別系統(tǒng)的速度和識別率。先前版本的聯(lián)機(jī)手寫藏文系統(tǒng)的分類器是基于結(jié)構(gòu)的方式設(shè)計(jì)的，在識別率等問題上存在相當(dāng)?shù)牟蛔?，為了進(jìn)一步提高識別速度與識別效率，本文嘗試探索一條新的構(gòu)造聯(lián)機(jī)手寫藏文系統(tǒng)的分類器的道路。本文以具有強(qiáng)自學(xué)習(xí)性、自適應(yīng)性、魯棒性及容錯(cuò)性的神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)，設(shè)計(jì)出基于動(dòng)量

2、項(xiàng)的改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)分類器，并嘗試性地將它應(yīng)用到聯(lián)機(jī)手寫藏文系統(tǒng)中。 為了提高神經(jīng)網(wǎng)絡(luò)性能，分類器采用了單字單網(wǎng)的神經(jīng)網(wǎng)絡(luò)群結(jié)構(gòu)，以盡可能地提高分類器識別能力。同時(shí)，又為了減弱神經(jīng)網(wǎng)絡(luò)的識別延遲問題，對每個(gè)單網(wǎng)采用了簡化的三層網(wǎng)絡(luò)結(jié)構(gòu)，且每個(gè)結(jié)構(gòu)的輸出層神經(jīng)元數(shù)為1。基于簡單神經(jīng)網(wǎng)絡(luò)的大規(guī)模神經(jīng)網(wǎng)絡(luò)群結(jié)構(gòu)使得構(gòu)建的神經(jīng)網(wǎng)絡(luò)識別器具有高效、高性能的優(yōu)勢。 單字單網(wǎng)神經(jīng)元數(shù)目的確定是神經(jīng)網(wǎng)絡(luò)分類器設(shè)計(jì)的另一關(guān)鍵技術(shù)。為了避

3、免維數(shù)災(zāi)難的同時(shí)不損失藏文字本身的信息，在確定輸入層神經(jīng)元數(shù)目時(shí)，采用筆劃拐點(diǎn)坐標(biāo)值；用基于經(jīng)驗(yàn)公式的試探法確定隱層神經(jīng)元數(shù)；采用高效的Sigmoid函數(shù)作為隱層和輸出層的傳遞函數(shù)，以提高學(xué)習(xí)速率；根據(jù)反復(fù)實(shí)驗(yàn)確定神經(jīng)網(wǎng)絡(luò)的期望誤差閾限、學(xué)習(xí)速率常數(shù)、動(dòng)量項(xiàng)常數(shù)等運(yùn)行參數(shù)。 實(shí)驗(yàn)時(shí)共采集到32套樣本，每套樣本含117個(gè)手寫字符，其中26套為訓(xùn)練樣本，6套為測試樣本。經(jīng)測試首位識別率最高為71.21％，前10位識別率最高為91.9