基于人工神经网络的手写数字识别.PDFVIP

( ) 第 22 卷 第 3 期 北京工商大学学报 自然科学版 V o l22 N o 3 2004 年 5 月 Journal of Beijing T echno logy and Business U niversity ( Science Edition) M ay 2004 N atural 43 ( ) 　　文章编号: 2004 基于人工神经网络的手写数字识别 付庆玲, 　韩力群 (北京工商大学 信息工程学院, 北京　100037) 摘　要: 基于手写体数字的几何结构提取端点及其方向、凸点及其方向、三叉点数和四叉点数等数 字特征值, 运用单字单网的 10 个并行BP 神经网络进行数字识别, 达到很好的识别效果 关键词: 数字识别; 特征向量; 多层BP 网 中图分类号: T P 182　　　　　文献标识码: A [ 1 ] 　　神经网络 以其独特的优点在模式识别中得到 11　预处理 了广泛的应用 近年来, 人们对基于神经网络的手写 体数字识别进行了大量研究, 取得了很多成果 其 进行特征提取前先对手写数字进行了二值化、 中, 人们用得比较多的神经网络模型是误差反向传 行字切分、平滑、去噪声、规范化和细化等预处理, 然 播(Back P ropogation , 简称BP ) 的多层感知机模型, 后对其进行特征提取 [ 2 ] 网络的输入直接采用手写体数字的二值化点阵 , 12　特征选择 这种方法的数据量很大 同时, 由于手写字体的多样 化大大增加了识别的难度, 为了提高识别能力, 就要 特征选择是至关重要的, 其好坏决定着网络的 求神经网络有较强的容错能力, 这往往意味着要加 规模与最终识别的效果, 因此所选用的特征必须能 大网络的规模 因为以上两点, 不仅网络训练时间 充分反映字符的本质特征 对于手写体数字, 所选用 长, 而且由于图像数据随机分布, 训练出的网络也不 的特征提取方法对不同书写者造成的差异必须有较 够强壮 强的适应能力 另一类方法是对手写体数字进行特征提取, 其 数字是由弧线和直线构成的, 弧线的弯曲方向 主要思路是从分析数字的拓扑结构入手, 把它的某 和程度不同, 字符形状不同 但是同一类不同形状的 [ 3 ] 些结构特征提取出来, 使数字的位移、大小变化、字 字符, 它的端点数及其方向, 凸点数 及其方向, 三 形畸变等干扰相对减小, 而把那些反映数字特征的