基于LVQ神經網絡的脫機手寫數字識別研究.pdf

1、脫機手寫數字識別技術因其在文檔、統(tǒng)計、票據、郵件等方面的廣泛涉及，成為了研究人員近年來重點研究的課題，阿拉伯數字也是全世界唯一通用的字符。隨著社會金融業(yè)等行業(yè)的發(fā)展，我們對脫機手寫數字識別準確率的要求也越來越高。但是手寫體的數字由于其人為因素的差異，使得其特征變化多樣，具有很大的隨意性。本文針對脫機手寫數字圖像識別以及圖像特征提取等問題，提出了基于LVQ神經網絡的脫機手寫數字識別方法，以實現提高脫機數字識別系統(tǒng)的識別精度和識別速度的目的

2、。
　　 針對基于LVQ神經網絡的脫機手寫數字識別方法，本論文研究內容如下:
　　 1.對手寫數字圖像進行圖像預處理與特征提取，預處理過程是分別對圖像進行灰度化、二值化、去噪、歸一化以及字符的骨骼化過程。特征提取方面，本文采用特征區(qū)域分割與重組的新的特征提取方法，該方法具有良好的泛化性能，更能適應手寫體數字特征變化大的特點;
　　 2.研究和分析了神經網絡的基本原理模型與算法，提出將自組織競爭神經網絡方法應用于手

3、寫數字識別，設計了一種基于LVQ神經網絡方法的脫機手寫數字識別系統(tǒng)。本文重點分析和研究了LVQ神經網絡輸入/輸出節(jié)點數和隱含層神經元個數的確定，并對LVQ神經網絡的權值系數與工作方式進行了深入的分析;
　　 3.基于Matlab實現了LVQ神經網絡對手寫數字圖像的識別，分別進行了對USPS手寫數字樣本庫和五組不同人為書寫的手寫體數字的識別過程，并將實驗結果與傳統(tǒng)的BP神經網絡進行了統(tǒng)計與對比。
　　 在系統(tǒng)的測試結果中，

4、LVQ神經網絡對USPS的數字樣本庫識別率達到了97.4％的正確率，而BP神經網絡的正確率是95.7％。LVQ神經網絡對五組手寫數字的識別正確率達到了100％的正確率，而BP神經網絡訓練五組手寫數字時，在數字1、3、8處均各自出現了一個誤識率，識別精度不如LVQ神經網絡。
　　 因此，LVQ神經網絡具有比BP網絡更低的誤識率，且它的結構簡單，對輸入向量沒有規(guī)格化要求，也不存在BP網絡所有可能出現的局部最小化的問題。LVQ神經網絡