研究生毕业论文基于结构特征的自由手写数字识别.docVIP

研究生毕业论文基于结构特征的自由手写数字识别.doc

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
研究生毕业论文基于结构特征的自由手写数字识别

学科门类:工 学 分 类 号:TP393 XXXX 邮 电 大 学 2 0 0 5 级 硕士研究生毕业论文 题目:基于结构特征的自由手写数字识别 院 系:南京邮电大学计算机学院 专 业:计算机应用技术 研究方向:计算机在通信中的应用 姓 名:XXX 指导老师:XXX 教授 XXXX年XX月 南京邮电大学 硕士学位论文摘要 学 科:工 学 专 业:计算机应用技术 研究方向:计算机在通信中的应用 作 者:0 5级 硕士研究生 : XXX 指导老师:XXX 教授 题 目:基于结构特征的自由手写数字识别系统 英文题目:Recognition System of Unstrained Handwritten digits Based on Structural Features 关 键 词:细化;手写体数字识别;结构特征 Keywords: Thinning; Handwritten numeral recognition; Structural features 摘要 本文实现了一种基于结构特征的自由手写数字识别算法,形成了一个完整的手写数字识别系统。该系统采用了ATT贝尔实验室的MNIST手写数字识别评测数据库。MNIST包含60000个训练样本,以及10000个测试样本,来自于250人。该系统的建立与训练就是以这60000个样本为对象的。系统首先对样本进行预处理,包括平滑、去噪、闭合、细化等处理,最终形成与样本文件同样大小的文件,其中每个样本都已经进行了预处理,这样在后面的操作中处理的对象便是已经做了预处理的样本。随后便准确的提取样本的特征,比较特征在样本类之间的差异性,对特征进行甄选,形成有效的特征集,利用特征在各类别间的差异性,形成识别规则,计算隶属度,最终现成一套完整的识别系统,完成对字符的识别。 整个过程在MNIST样本库基础上进行训练,确定各识别参数,形成识别系统,最终的识别测试表明该系统能有效地对自由手写数字进行识别,对10000个测试样本的识别,准确率达91% 以上,效果理想。 关键词:细化;手写体数字识别;结构特征 Abstract In this paper, a new algorithm based on structural features for the recognition of handwritten digits is proposed , and a sound system of recognition is formed. This system used MNIST Training set from ATT Research . MNIST is composed of a training set of 60,000 examples, and a test set of 10,000 examples, from 250 person. The formation and training is based on these 60000 training examples. Pretreatment should be taken in this system, such as smoothing, closing, thinning and so on. Finally a destination file is created which is as same as the source file on size. The following processes are based on these examples that have been pretreated. After doing that , massive features will be extracted . In this stage effective features are extracted , compared , and selected ,then formed the feature set, listed in a table for further treatment . Use the differences of features between categories , introduce criteria, calculate values , form a sound system ,and complete the recognition of those digits. The whole process is based on the MNIST training set, calculate the

文档评论(0)

yan698698 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档