基于神经网络字符识别技术的研究.pdfVIP

( ) 1999 年 11 月 　 重庆大学学报 　 自然科学版 Vol . 22 　 ( ) 第 22 卷第 6 期 Journal of Chongqing University Natural Science Edition Nov. 1999 ( ) 　　文章编号 :1000 - 582x 1999 基于神经网络的字符识别技术研究 黄 瀚 敏 , 易 正 俊 , 汪 先 矩 , 汪 瑞 芳 (重庆大学 自动化学院 ,重庆 　400044) 　　摘 　要 : 本文在分析人工神经网络理论和图象处理及其特征提取理论的基础 上 ,探讨了网络结构 、特征编码 、算法的实现 、学习样本的收集 、网络参数的选择及 BP 算法缺陷等问题 ,设计并实现了一种基于神经网络的字符识别系统 。并针对 BP 算法的缺陷问题提出改进方法并得以实现 ,提出建立奇异样本特征库的方法使 学习的效率大大的提高 。实践证明采用改进型BP 算法的三层前向无反馈神经网 络进行手写字符识别是完全可行和实用的。 　　关键词 : 人工神经网络 ; 图象处理 ; BP 算法 ; 手写字符识别 　　中图分类号 : TP 3914 1 　　　　　　　文献标识码 :A 40 年代以来 ,人们在研究人脑机理的基础上 ,广泛开展模仿脑模型的人工神经网络理 论的研究 。由于人工神经网络具有与人脑相似的高度并行性 、良好的容错性和联想记忆功 能、自适应和自学习能力等特点 ,特别是以改进型BP 网络为代表的神经网络具有 良好的自 学习能力 、强大的分类能力 、容错能力或鲁棒性 ,可以实现输入到输出的非线性映射 ,因此神 经网络在手写字符识别领域得到越来越多的应用[ 1] 。 在 日常生活中 ,大量的数字化信息需要进行手工录入 ,耗时且由于长时间工作引起的疲 劳不可避免地产生差错 , 日益成为阻碍信息化发展的瓶颈问题 。如何将人们从这种烦琐的 简单重复劳动中解放出来 ,是模式识别领域中的一类重要问题[2 ] 。 笔者研究了基于改进型BP 网络的字符识别系统的实现及应用 ,并着重就其特征编码 、 算法实现 、学习样本的收集 、网络参数选择及学习过程的收敛性及算法的改进等问题展开研 究 。 1 　特征编码 神经网络的输入从一个 n 维矢量集合中选取 ,神经网络通过学习后 ,可对这些矢量进 行分类 。以前的分类并未采用特征编码 ,而直接对字符图象进行映射 。对于一个 32 ×24 点 阵的字符图象 ,需要 768 个输入节点及隐层节点和输出节点。这样 ,上千个节点的运算量庞 大 ,运算效率低 。因此 ,文中采用特征编码压缩信息量 。 特征的抽取和特征编码的过程实际上是特征的压缩过程 。对于区分字符来讲 ,宽度比 收稿 日期 ( ) 作者简介 :黄瀚敏 1973 ,男 ,重庆人 ,重庆大学在读研究生 ,从事图像识别方面的研究 。 ( ) 　　　　　　　　　　　　　　　重庆大学学报 　 自然科学版 　　　　　　　　　　　　　　1999 年 60 只需将它编为 3 bit 的特征码即可 。它可表 示的宽度比范围为 1～8 倍 。如果大于 8 倍 仍用 8 表示 。这样的表达法对字符识别是足 够了。这里 1～8 送入神经网络时 ,被表示为 000～111 与普通的二进制数并不相同。这一 点却无须对网络说明 ,因为网络在训练时 , 已