基于BP神经网络的微粒子群优化手写体数字识别.docx

编号________中国矿业大学研究生院科目 手写体数字识别 姓名 张美玲 院系 信息与电气工程学院 专业 控制工程 学号 T3BP神经网络手写体识别摘要：介绍人工神经网络的概念和原理，分析运用BP神经网络算法对手写体识别的运用效果，加入微粒子群后的改进效果。关键词：神经网络；BP算法；微粒子群算法；手写体识别1引言汉字识别是模式识别的一个重要分支，也是文字识别领域较为困难的问题，它涉及模式识别、图像处理、数言号处理、人工智能、模糊数学、信息论、计算机和中文信息处理等学科，是一门综合性技术。随着信息时代的到来，人们对于信息处理的要求更加严格，不仅要有非常高的准确率，还要有非常快的处理速度。研究手写体数字识别技术，将对于今后的信息发展有着重要的作用，在现实生活中有着广泛的应用。例如在银行票据识别中，根据手写体进行识别数字；在邮件分拣过程中，根据邮编进行识别实现自动分拣，省事又省力。此外，手写字符识别对于汉字识别、人脸识别等相关领域内的其他模式识别的发展，也有很大的推动作用。特别是随着科技的进步，现如今智能手机、平板电脑等电子设备的应用更是非常普及，越来越多的人习惯于使用手写汉字或数字，因此，研究手写体数字识别技术，不仅有着重要的理论学术意义，同时还有很广泛的现实应用价值。2人工神经网络生理神经元由细胞体和突组成。突分为轴突和树突。轴突较长，可将本神经元的输出通过其它相连神经元的树突而传送。轴突的末端与树突进行信号传递的界面为突轴。对某些突触的刺激促使神经元触发。只有神经元所有输入总效应达到阀值电平，它才能开始工作。 人工神经网络(artificial neural nets，ANN)是由模拟神经元组成的，可将ANN看成以处理单元PE(processing e1-ement)为节点，用加权有向弧相互连接而成的有向图。其中，处理单元是对生理神经元的模拟，而有向弧则是轴突一突触一树突对的模拟。有向弧的权值表示两处理单元间的相互作用的强弱。在ANN的组成中，来自神经元的输入乘以权值，然后相加。把所有总和与阀值电平比较，当总和高于阀值时，其输出为1；否则为0。在ANN的数学描述中，神经元的输入为。其中Xi表示来自其它处理单元的信息，它们与本处理单元的相互作用强度为Wi。处理单元的输出为。其中θ为处理单元的内部阀值，f称为激发函数，它决定节点的输出，该输出为1或0取决于其输入之和大于或小于内部阀值θ。激发函数一般具有非线性特征，常采用的是阀值型、分段线性强饱和型和Sigmoid型，其中Sigmoid函数是最常用的激发函数。神经网络的工作过程包括:(1)工作期，此时各连接权值固定，处理单元的状态变化，以求达到稳定状态。 (2)学习期，各处理单元状态保持不变，各连接权值可修改。根据学习过程有无教师指导可分为有监督学习和无监督学习。相应的学习规则有相关规则、纠错规则和无监督学习规则。人工神经网络反映了人脑的以下特点：①它是由简单单元广泛连接组成的超大规模、非连续时间的信息处理系统；②并行处理和分布式存储；③高冗余度和鲁棒性；④集体协同和非线性运算；⑤自适应、自组织和联想；⑥可塑构成，灵活连接；⑦数模并存。3 BP神经网络及算法典型的人工神经网络很多，其中反向传递(BP)网是一种反向传递并修正误差的多层映射网。BP网络是典型的多层前向网络，分为输入层、隐含层和输出层，层与层之间采用全互连方式，层内神经元之间无连接。BP学习算法有两个过程，正向传播和反向传播，这是BP算法最核心最基本的思想。首先进行正向传播，在这个过程中，信号逐层向下传播指至到输出层输出结果。具体过程是：信息由输入层输入，经过处理在经过隐藏层，隐藏层逐层处理后最终进入输入层，输出层经过处理后得到最终结果。由于是按层进行传播，所以对于每一层神经元的状态，只能影响到下一层神经元所具有的状态。在输出层最终会有结果输出，如果输入层的结果和期望得到的结果误差太大，就会转入反向传播过程。在反向传播过程中，会根据所计算的误差信号沿着正向传播的路径逐层进行返回，即先有输出层传到隐藏层，在由隐藏层传入输入层，信号在传播的过程中，会逐层修改神经元之间的连接权值，最终的目的使得整个系统的误差减少到最低。图2.1 BP网络拓扑结构4粒子群算法/view/2936053.htm粒子群优化算法(PSO)是一种进化计算技术(evolutionary computation)，1995年Eberhart 博士和kennedy 博士提出，源于对鸟群捕食的行为研究。该算法最初是受到飞鸟集群活动的规律性启发，进而利用群体智能建立的一个简化模型。粒子群算法在对动物集群活动行为观察基础上，利用群体中的个体对信息的共享使整个群体的运动在问题求解空间中产生从无序到有序的演化过程，从而获得最优解。PSO同遗