交叉點(diǎn)的神經(jīng)網(wǎng)絡(luò)識(shí)別及聯(lián)機(jī)手寫(xiě)字符的概率神經(jīng)網(wǎng)絡(luò)識(shí)別初探.pdf

1、人工神經(jīng)網(wǎng)絡(luò)發(fā)展到今天,已有五十多年的歷史.在一代又一代學(xué)者的不懈努力下,不但理論基礎(chǔ)逐漸充實(shí)、成熟,而且在信號(hào)處理、計(jì)算機(jī)視覺(jué)、模式識(shí)別、專家系統(tǒng)、工業(yè)控制與氣象預(yù)測(cè)等許多領(lǐng)域有了廣泛的應(yīng)用.神經(jīng)網(wǎng)絡(luò)模式識(shí)別方法是近幾年興起的模式識(shí)別領(lǐng)域的一個(gè)新的研究方向.神經(jīng)網(wǎng)絡(luò)模式識(shí)別系統(tǒng)的研究,無(wú)論對(duì)神經(jīng)網(wǎng)絡(luò)理論的發(fā)展,還是對(duì)模式識(shí)別技術(shù)的實(shí)際應(yīng)用,都有特別重要的意義.BP網(wǎng)絡(luò)是當(dāng)前應(yīng)用最廣泛的一種人工神經(jīng)網(wǎng)絡(luò).已被人們廣泛的應(yīng)用于神經(jīng)網(wǎng)絡(luò)模式

2、識(shí)別(特別是圖像及字符的識(shí)別)問(wèn)題.Kohonen提出的自組織特征映射(Self-Organizing Feature Map)神經(jīng)網(wǎng)絡(luò)(SOFM)因具有較強(qiáng)的拓?fù)浣M織能力和抗干擾能力,也廣泛于應(yīng)用于神經(jīng)網(wǎng)絡(luò)模式識(shí)別領(lǐng)域.在1960年末被提出的HM模型,已經(jīng)被應(yīng)用的連續(xù)的和演講者無(wú)關(guān)的自動(dòng)演講識(shí)別中.近幾年它也開(kāi)始被廣泛的應(yīng)用于字符識(shí)別的工作中.該文的工作主要是以下兩個(gè)方面,都是側(cè)重于有關(guān)神經(jīng)網(wǎng)絡(luò)的實(shí)際應(yīng)用方面.1.交叉點(diǎn)的神經(jīng)網(wǎng)絡(luò)識(shí)別

3、.提出了一種識(shí)別灰度圖像中交叉點(diǎn)的神經(jīng)網(wǎng)絡(luò)方法.用自組織特征映射網(wǎng)絡(luò)和BP網(wǎng)絡(luò)組成多分類(lèi)器,識(shí)別圖像中的二交叉點(diǎn)、三交叉點(diǎn)和四交叉點(diǎn).在加入8﹪的干擾時(shí),仍能達(dá)到85﹪左右的識(shí)別率.2.概率神經(jīng)網(wǎng)絡(luò)用于聯(lián)機(jī)手寫(xiě)字符的識(shí)別.由于計(jì)算機(jī)技術(shù)的高速發(fā)展,人們可以快速處理大量的數(shù)據(jù),但數(shù)據(jù)的輸入速度遠(yuǎn)遠(yuǎn)低于數(shù)據(jù)處理的速度,這大大妨礙了人們對(duì)計(jì)算機(jī)的使用.而且用鍵盤(pán)作為輸入會(huì)打斷正在進(jìn)行的思維.所以研究一種方便的手寫(xiě)輸入方法是很有必要的.到現(xiàn)在,

4、單字符手寫(xiě)體識(shí)別,尤其是數(shù)字識(shí)別率接近95﹪,但對(duì)于連續(xù)的字符書(shū)寫(xiě),尤其是有數(shù)學(xué)符號(hào)的情況下,由于聯(lián)機(jī)手寫(xiě)的隨意性比較大,寫(xiě)作不規(guī)范,還沒(méi)有一個(gè)成熟的產(chǎn)品.該文應(yīng)用HMM概率模型和神經(jīng)網(wǎng)絡(luò)結(jié)合,對(duì)聯(lián)機(jī)手寫(xiě)數(shù)字和數(shù)學(xué)符號(hào)進(jìn)行識(shí)別.對(duì)概率神經(jīng)網(wǎng)絡(luò)模型應(yīng)用于聯(lián)機(jī)手寫(xiě)識(shí)別進(jìn)行了有益的探索.與其他學(xué)者的一些工作相比,該文側(cè)重于對(duì)使用概率神經(jīng)網(wǎng)絡(luò)的方法對(duì)聯(lián)機(jī)手寫(xiě)進(jìn)行識(shí)別,既利用了神經(jīng)網(wǎng)絡(luò)優(yōu)異的分類(lèi)性能,又避免了一般的神經(jīng)網(wǎng)絡(luò)實(shí)時(shí)性差的弱點(diǎn).由于特征