基于Hopfield神經(jīng)網(wǎng)絡(luò)的脫機手寫體數(shù)字識別分析與研究.pdf

1、手寫體數(shù)字的識別是光學字符識別的一個重要的組成部分,在實際生活中有著廣泛的應(yīng)用。手寫體數(shù)字的識別又分為脫機和聯(lián)機兩種類型,其中聯(lián)機的手寫體數(shù)字的識別的算法已經(jīng)非常成熟,并且聯(lián)機的識別率也達到了一個很高的程度,得到了廣泛的應(yīng)用,但是脫機的手寫體數(shù)字的識別在算法上還有待改進,脫機手寫體數(shù)字的識別率也不算高,這是由脫機手寫體數(shù)字本身的特點所決定的,因為脫機手寫體數(shù)字在書寫時缺少了筆畫的動態(tài)信息,并且書寫的風格各異,因此在識別過程中有很大的難度

2、,誤識率也很高。但是,脫機手寫體數(shù)字的識別在一些特殊的場合有著不可替代的作用,比如郵政信件的分揀中的郵政編碼的識別,銀行支票中手寫體數(shù)字的識別。同時由于在現(xiàn)實生活中一般脫機手寫體數(shù)字需要處理的數(shù)字信息量比較大,因此對數(shù)據(jù)的處理速度也有著很高的要求,脫機的手寫體數(shù)字識別的研究有著重要的現(xiàn)實意義。
　　 通過近幾十年的研究,人工神經(jīng)網(wǎng)絡(luò)技術(shù)已經(jīng)越來越成熟,在各種模式識別和信號處理等領(lǐng)域扮演著重要的角色,并且取得了不錯的效果。本課題就

3、是利用人工神經(jīng)網(wǎng)絡(luò)實現(xiàn)對脫機手寫體數(shù)字的識別。
　　 本文首先在第一章對手寫體數(shù)字的研究現(xiàn)狀、研究意義進行了介紹和說明,并介紹了一些脫機手寫體數(shù)字的傳統(tǒng)識別方法,最后給出了本文所要展開的研究工作。
　　 其次在第二章節(jié)中對脫機手寫體數(shù)字圖像進行了灰度化、二值化、細化等預處理,詳細說明了二值化、細化的各種算法,利用整體閾值法處理手寫體數(shù)字的圖像,并對算法進行了一定的改進。在提取圖像的特征向量的時候,我們首先介紹了幾種常用的

4、特征提取方法,著重介紹了本文所要使用的小波變換法,并利用處理好的手寫體數(shù)字的圖像,用小波變換提取特征向量。
　　 接著采用MNIST手寫體數(shù)字數(shù)據(jù)庫,建立Hopfield神經(jīng)網(wǎng)絡(luò)的模型,設(shè)置網(wǎng)絡(luò)的連接權(quán),保留了神經(jīng)網(wǎng)絡(luò)的模型,采用一組樣本對脫機手寫體數(shù)字進行識別測試。最后使用Matlab進行實驗仿真,對仿真結(jié)果進行分析比較,表明:與傳統(tǒng)的一般的BP神經(jīng)網(wǎng)絡(luò)相比,小波變化和Hopfield相結(jié)合的方法能夠達到一個較好的識別率,識別