集成型神经网络手写体数字识别-信号与信息处理专业论文.docxVIP

集成型神经网络手写体数字识别摘要 集成型神经网络手写体数字识别 摘要 手写数字识别(Handwritten Numeral Recognition)是光学字 符识别技术(Optical Character Reeognition，简称OCR)的一个分支， 它研究的对象是：如何利用电子计算机自动辨认人手写在纸张上的阿 拉伯数字。这几年来我国开始大力推广的”三金”工程在很大程度上要 依赖数据信息的输入，如果能通过手写数字识别技术实现信息的自动 录入，无疑会促进这一事业的进展。 本文建立了一个集成型神经网络手写体数字脱机识别系统，系统 主要由两个部分构成，即：学习部分和识别部分。学习部分主要完成 七个BP神经网络的学习训练，识别部分是由特征提取和集成型神经 网络识别构成。在整个系统的实现过程中，本文的工作主要有以下几 个方面： 1．实现了宏观、局部和微观三个层次的特征提取，分别应用于七 个不同的神经网络分类器。 2．为提高网络的收敛速度和避免网络假饱和现象，对传统的BP 神经网络做了一些改进，例如修改学习因子，修改Sigmoid函数，引入 学习因子。 3．对七个BP神经网络的结果采用多种算法进行组合，例如最大 值规则、多数投票规则，用实验证最优线性组合算法(OLC：Optimal Linear Combination)充分利用每一个分类器的长处，既要发挥它们 的最佳性能，又能克服单个分类