基于概率神经网络的手写体数字识别算法的设计与实现.doc

任务书 一、原始依据（包括设计或论文的工作基础、研究条件、应用环境、工作目的等。） 工作基础：了解MATLAB2012的基本使用以及.m文件的编写方法； 研究条件：MATLAB2012以及概率神经网络的基本思想； 应用环境：基于人工智能的手写体图片的信息识别； 工作目的：熟练使用MATLAB2012神经网络工具箱； 熟练掌握概率神经网络的基本思想以及基于MATLAB的应用； 熟练掌握手写体数字图片的存储、特征提取方法以及基于神经网络的特征识别； 二、参考文献 [1]任丹,陈学峰.手写数字识别的原理及应用[J].计算机时代. 2007(03). [2]龚才春,刘荣兴.基于整体特征的快速手写体数字字符识别[J].计算机工程与应用. 2004(19). [3]李涛.BP神经网络在字符识别中的设计改进[J].达县师范高等专科学校学报. 2004(02). [4]陆锋,伊卫星,袁晓辉.神经网络模式识别对金融票据中数字特征的识别方法研究[J]. 苏州大学学报(工科版).2003(04). [5]张丽,杨静宇,娄震. 基于置信度的手写体数字识别多分类器动态组合[J]. 计算机工程.2003(16). 三、设计（研究）内容和要求（包括设计或研究内容、主要指标与技术参数，并根据课题性质对学生提出具体要求。） 1、熟练掌握概率神经网络的基本思想以及基于MATLAB的应用； 2、熟练掌握手写体数字图片的存储、特征提取方法以及基于神经网络的特征识别； 3、对识别效果能够做出定量分析； 指导教师（签字） 年 月 日 审题小组组长（签字） 年 月 日 摘 要 数字识别是模式识别领域中重要研究方向之一，具有广阔的应用前景。人们在对概率神经网络基本原理研究的基础上，提出了利用概率神经网络方法来实现手写数字识别的方案。通过MATLAB仿真实验表明,基于概率神经网络的数字识别系统取得了良好效果。 人工神经网络识别方法是近年该研究领域的一种新方法，该方法具有一些传统技术所没有的优点：良好的容错能力、分类能力强、并行处理和自学习能力，并且是离线训练和在线识别的。这些优点使它在手写体字符的识别中能对大量数据进行快速实时处理，并达到良好的识别效果。 由于手写体数字识别难于建立精确的数学模型,所以本文采用概率神经网络对这一问题进行处理。神经网络模式识别的一个关键步骤是预处理和特征提取，对于手写体数字识别，本文采用了一种基于结构特征和统计特征的提取方法，并用程序实现了这一特征提取过程。 通过测试，本识别系统对于较规范的手写体数字的识别达到了很好的识别效果。 关键词：概率神经网络；特征提取；噪声处理；PNN算法； ABSTRACT Digital recognition is one of the important research directions in the field of pattern recognition, and has broad application prospects.On the basis of studying the basic principle of probabilistic neural network, the method of probabilistic neural network is proposed to realize the recognition of handwritten numerals.MATLAB simulation experiments show that the digital recognition system based on probabilistic neural network has achieved good results. Artificial neural network recognition method is a new method of the research field in recent years, the method has some of the traditional technical advantages: good fault-tolerant ability, strong classification ability, parallel processing and self-learning ability, and is trained off-line and on-line identification. These advantages make it in the recognition of handwritten characters ca