手写数字特征的提取与分析.docVIP

毕 业 设 计 (论 文) 题 目 手写数字特征提取与分析 专 业 电子信息工程　 班 级 084班 姓 名 梁 杰 指导教师 周 扬 （讲师） 所在学院 信息学院　 完成时间：2012年 5月 承 诺 书 我谨此郑重承诺： 本毕业设计（论文）是本人在指导老师指导下独立撰写完成的。凡涉及他人观点和材料，均依据著作规范作了注释。如有抄袭或其它违反知识产权的情况，本人愿接受学校处分。 承诺人（签名）： 年 月 日 手写数字特征提取与分析 信息科技学院电子信息工程专业 梁杰 摘 要：目前，模式识别领域在日常生活中的应用已经越来越广泛，比如人脸、指纹识别，字符识别，车牌识别。所以，对数字识别进行学习与研究是非常有必要的。 本课题为数字字符识别模拟演示系统。主要是利用正态分布下的最小错误率Bayes方法和最小风险Bayes方法，来实现手写数字从0到9的识别。该系统首先是实现模拟手写数字；然后利用轮廓特征法将5*5的模板提取出样品的特征，采用模板可以使同一形状、不同大小的样品得到归一化的特征提取，所以有能力对同一形状、不同大小的样品视为同类；最后结合Bayes决策进行判别。使用最小错误率Bayes方法，在判别过程中能使错误率达到最小，即使错分类出现的可能性最小，而最小风险Bayes方法，在判别过程中可以使风险达到最小，减少危害大的错分类情况。 本设计是利用Matlab实现的，实验证明，该系统对于模拟手写的数字基本上能正确识别，但是对于手写不规范的数字会存在错判的情况，这跟样品库的有限有关。 关键词：模式识别；最小错误；最小风险；特征选择；模拟手写；Matlab实现 Handwritten digital feature extraction and analysis Liang Jie，Electronic and information engineering, College of Information Science Abstract: At present, the field of pattern recognition in everyday life has been more and more widely used, such as the face, fingerprint recognition, character recognition, vehicle license plate recognition. Therefore, the digital identification of learning and research is very necessary. The topic for the digital character recognition simulation demo system. Mainly using normal distribution under the minimum error rate of Bayes method and Bayes method to achieve the minimum risk, handwritten digits from 0 to9 of the identification. The system first is to realize the simulation of handwritten numeral; then using contour feature will be 5* 5 templates extracted sample characteristics, using the template in the same shape, different sizes of samples to be normalized feature extraction, so the ability of the same shape, different sizes of samples as similar; finally combined with the Bayes decision discriminant. Minimum error rate using the Bayes method, the discrimination proc