基于bp神经网络的手写体数字识别分析与研究-控制理论与控制工程专业论文.docxVIP

武汉科技大学硕士学位论文揍要 武汉科技大学硕士学位论文 揍要 神经网络魑一个商度并行的，j}线性的，具有很高冗余度的系统，这种系统 绩构经翔谖豹袭达与存储，便模式倍感娃疆过程，都与传统静方法霄缀大熬掰。 它具有的高度非线性，使我们自2表达一些至少是照蘸尚无法用计算理论表达溃楚 的外部世界模型；同时，神经网络所具有的自学习，自组织能力使我们能在与外 帮毽界豹交互{髻臻下，实现秃法簿当前豹计算理论表达清楚的功能；对于那鬻无 法建立精确数学模型的系统，姊经网络有滋独特豹优势。 手写体数字识别是多年来的研究热点，也是字符识别中的一个特别问题。手 写体数字谖弱程特定韵环境下应爝特羽广泛。当涉及至l数字谈剐时，人们经往要 求识别器骞缀磁的瀑别可靠性，特裂是有关金辍鲍数字识别隧，露戴，镑对这类 同题的处理系统设计的关键环节之 ，就是设计出高可靠性和商识别率的手写体 数字识剐方法。然而可以说还没有哪个手麓体数牢识剐器达到完美的识别效果。 在过去的数十年中，硬突蠹钢掇蹬了谗谗多多戆谈簇方法。接搜惩懿特，螽不 同，这些方法可以分为两类：基于缩构特征的方法和基于统计特征的方法。 手写体数字识莉属于模式识别的范畴，是模式识别中的一个具体问题，因而， 黠予手写体数字识别鸯港不爨予其它模式识爨静孝誊臻要求。手墨俸数字识别狳了 要求识别精度高和工作可靠外，还黧求其识别效率高，识别数度快。 由于手写体数字识别难予建立精确的数学模溅，所以本文采用Bp神经网络 对这一趣题进学链理。捧经瓣终模式谖翻瓣一个关键步骤是预处理释特征提取， 对于手写体数字识别，本文采用了一釉基予字符边缘轮廓的特征提取方法，并用 程序实现了这一特征提取过程。本文还训练出了具体的用于数字识别的神经网 络，瘸疆疹模揪了整个谖聚过程。本文采麓了秀缀享串经耩络绪狗。 通过测试，本识别系统对予较规范的手写体数字的识别达到了很好的识别效 粟。 关键锈：骜p享争经耀络、模式谈掰、手写钵数字误翔、特鬣疆取、预处理 武汉科技大学硕士学位论文Abstr乏ICt 武汉科技大学硕士学位论文 Abstr乏ICt The neuraI ne№rI‘s is a cO¨ateraI．nOnIinear and redundancy system， and it makes the exp陀ss，memory and臼eat 0f informatiOn varied frOm mutine． It’s the non-¨nearity that makes us couId exp他ss the modeI that can’t be exp陀ssed clearIy by compute theory at Ieast now：and it’s the abiI．ty of seIf．study and se旰．OrganizatiOn that makes us can express thOse cIearIy by acting vvith exIerior wOrId，which∞n’t be似p旭ssed by cOmpute theory．The neu旧l ne¨『orks has unique p他dom．nan∞for system that can’t make accu怕te mathematics mOdeI． Handwn舱n nume阳I怕cOgn嘲on is a hOtspot 0f study for yea鸭，and is sOme especiaI issue of cha阳cter他∞gn砸On．Handwr．№n nume怕I陀∞gnition is appIied broadIy in giVen env．rOnment．When cOme down t0 numeraI 陀cognmon，the emphases peopIe think is№dependab¨i坤，especiaIIy怕fer t0 money·digit陀cogni矗On．So one of the key steps for these ques稍ons is designing a high-dependabi¨ty and high—accuracy handwrinen numeraI 他cognmOn system．But the怆a陀n0 sys协m can achieVe sO 900d他cOgnⅢOn e竹ect． 1n the past years，他searche惜had put fom旧rd many他cognitiOn ways， which can be∞rved up to stnJ咖他cha绡lcl甜oriented ways and s协as戗c cha怕c伦r 0r