基于高階神經(jīng)網(wǎng)絡(luò)的文字識(shí)別算法研究.pdf

1、隨著計(jì)算機(jī)的在各行業(yè)的廣泛應(yīng)用及人工智能的發(fā)展,文字識(shí)別作為一種能夠提高辦公效率的有效方法,被各行各業(yè)所重視,它倡導(dǎo)無(wú)紙化辦公,使人們從繁重的文字錄入勞動(dòng)中解脫出來(lái)。研究文字識(shí)別的意義,不僅可以推動(dòng)人工智能的發(fā)展,同時(shí)對(duì)我國(guó)現(xiàn)代信息化建設(shè),及相關(guān)學(xué)科也具有重大的推動(dòng)作用。
　　 本文的創(chuàng)新之處在于將高階神經(jīng)網(wǎng)絡(luò)應(yīng)用于文字識(shí)別領(lǐng)域。主要分析了文字識(shí)別的主要方法,通過(guò)研究高階神經(jīng)網(wǎng)絡(luò)作為分類器,解決了文字圖像識(shí)別中的關(guān)鍵問(wèn)題,實(shí)驗(yàn)證

2、明取得了較好的效果。主要工作如下:
　　 (1)學(xué)習(xí)人工神經(jīng)網(wǎng)絡(luò)的原理與應(yīng)用,掌握多種網(wǎng)絡(luò)模型,比如:簡(jiǎn)單感知器模型、多層感知器以及高階感知器模型。通過(guò)仔細(xì)研究感知器各種網(wǎng)絡(luò)模型,針對(duì)簡(jiǎn)單感知器模型無(wú)法解決非線性分類的局限性,研究其改進(jìn)方法,編程實(shí)現(xiàn)了三階感知器算法。
　　 (2)認(rèn)真研究了文字圖像的預(yù)處理技術(shù),包括平滑去噪,二值化,歸一化,細(xì)化等方法。另外學(xué)習(xí)了文字識(shí)別的特征提取方法,如筆劃特征,結(jié)構(gòu)點(diǎn)特征,投影特征,