神经网络集成识手写体数字研究.pdfVIP

神经网络集成识别手写体数字研究 摘要 脱机手写数字识别在邮政编码、统计报表、财务报表、银行票据 等方面有着极其重要的应用，这些涉及到财会金融等领域的数字识别 对识别正确率有着极高的要求，同时要求有极低的误识率；此外，大 批量数据处理对系统速度又有相当的要求，这就对识别系统提出了更 高的要求，许多理论上完美但速度过低的方法是行不通的。因此，研 究高性能的手写数字识别算法是一个有相当的挑战性的任务。 神经网络应用于手写数字识别的研究也从单一的神经网向集成 的方向发展，由于神经网络集成能显著的提高系统的泛化能力，因此 将集成神经网应用于手写数字已成为研究的热点。 本文提出了一种基于集成学习算法AdaBoost的手写数字识别系 统。AdaB00st算法可以在仅比随机预测略好的弱分类器基础上构建 高精度的强分类器。本文对AdaBo∞t算法进行了深入研究，重点讨 论了该算法应用于手写数字识别上的实现方案。具体而言，本论文主 要完成了以下几项工作： (1)实现了宏观，微观，局部，整体三个层次九个方面的特征提取， 分别应用于九个神经网络分类器。 (2)对BP神经网络作了深入研究，并针对BP的局限做了一些改进， 来提高网络的收敛速度和避免网络假饱和现象。 (3)对神经网络集成应用于手写数字做了深入的分析，提出了 AdaB00st集成算法应用于手写数字体识别的解决方案，并做出了 实验系统进行验证。测试结果表明该系统在一定程度上提高了手 写数字识别的精度，值得进行进一步研究。 关键词：神经网络集成BP算法AdaB00st算法手写数字识别特 征提取 DIGITRECOGNll『ION HANDⅥ佩ITDIG NETWORKENSEMBLE 、Ⅵ田HNEURAL Handwritten tosuch丘eld，as di百tn吾oogniti∞iswidelyapplied post In in ∞de，statistictable，banl【noteandsoon． these丘eldsjllvolved a mteof aoco岫t柚d丘加c6，digitrac0伊itionrequesthigh con．ectlle鹤， s锄e ofdata 柏dalessmteoferror，the tin”，processing咖chrequi佗a is of which quicksp∞dsyst锄m删_iIlg．M如yways pcm斌intheory， is in is isa but slow speed processingimpractical．Themfo玲，itchanenge tasktor髓e砌a highpcrfb加卸∞h柚ctvmtt钮di百tr。c0鲥tionsystem． Be∞嘴ofits about 900d Nctllral is ne脚orken溯Ⅱble ahot being pom． A