交叉点的神经网络辨认及联机手写字符的概率神经网络辨认初探.pdfVIP

摘 要 人1二神经网络发展到今天，已有五十多年的J力史。在一代又一代学者的／1：懈努力下 不但理论基础逐渐充实、成熟，而且在信号处理、计算机视觉、模式识别、专家系统、 工业控制与气象预测等许多领域有了广泛的应用。神经网络模式识别方法是近几年兴起 的模式识别领域的一个新的研究方向。神经网络模式识别系统的研究，无论对神经网络 理论的发展，还是对模式识别技术的实际应用，都有特别重要的意义。 BP网络是当前应用最广泛的一种人工神经网络。已被人们广泛的应用于神经网络模 式识别(特别是图像及字符的识别)问题。 Feature Kohonen提出的自组织特征映射(Self-Organizing 因具有较强的拓扑组织能力和抗干扰能力，也广泛于应用于神经网络模式识别领域。 在1960年末被提出的HMM模型，已经被应用的连续的和演讲者无关的自动演讲识 别中。近几年它也开始被广泛的应用于字符识别的工作中。 本文的工作主要是以下两个方面，都是侧重于有关神经网络的实际应用方面。 1，交叉点的神经网络识别。提出了一种识别灰度图像中交叉点的神经网络方法。用 自组织特征映射网络和BP网络组成多分类器，识别图像中的二交叉点、三交叉点和 四交叉点。在加入8％的干扰时，仍能达到85％左右的识别率。 2．概率神经网络用于联机手写字符的识别。由于计算机技术的高速发展，人们可以 快速处理大量的数据，但数据的输入速度远远低于数据处理的速度，这大大妨碍厂人 们对计算机的使用。而且用键盘作为输入会打断正在进行的思维。所以研究一种方便 的手写输入方法是很有必要的。到现在，单字符手写体识别，尤其是数字识别率接近 95％，但对于连续的字符书写，尤其是有数学符号的情况下，由于联机手写的随意性 比较大，写作不规范，还没有一个成熟的产品。本文应用HMM概率模型和神经网络 结合，对联机手写数字和数学符号进行识别。对概率神经网络模型应用于联机手写识 别进行了有益的探索。 与其他学者的一些工作相比，本文侧重于对使用概率神经网络的方法对联机手写进行 识别，既利用了神经网络优异的分类性能，又避免了一般的神经网络实时性差的弱点。 由于特征提取技术的局限性及算法的不成熟，本文的工作距离实际应用阶段还有很长的 一段，有待进’步的改进完成。但是我们的试验结果表明，概率神经网络可以成功的崩 于联机手写字符的识别问题。 关键词：神经网络交叉点识别 联机手写识别 Abstract The neuralnetworkhasa over nowGenerationsof have history-of researchers fiftyyears been efforts tobuilditstheoreticalfoundationtO itin makinggreat up andapply areas many suchassignal control processing，machine vision，pattern recognmon，expertsystem，industry and weather In forecastrecent