基于LVQ神經網絡的脫機手寫數字識別研究.pdf_第1頁
已閱讀1頁,還剩58頁未讀 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

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

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論