基于動(dòng)態(tài)權(quán)值集成的手寫(xiě)數(shù)字識(shí)別研究.pdf

1、 本文對(duì)手寫(xiě)數(shù)字識(shí)別技術(shù)進(jìn)行了研究和探討，提出了一種動(dòng)態(tài)權(quán)值集成的多分類器手寫(xiě)數(shù)字識(shí)別方法。該識(shí)別方法以圖像預(yù)處理和字符特征提取為基礎(chǔ)，采用BP神經(jīng)網(wǎng)絡(luò)識(shí)別作為核心識(shí)別分類器，對(duì)多個(gè)神經(jīng)網(wǎng)絡(luò)識(shí)別器的輸出向量進(jìn)行動(dòng)態(tài)權(quán)值集成確定最后的識(shí)別結(jié)果。 在預(yù)處理方面，本文著重研究了光照不均字符灰度圖像的二值化問(wèn)題，提出了一種基于高斯拉普拉斯(LoG)算子的邊緣零交叉二值化方法，該方法能夠適應(yīng)光照不均和噪聲等干擾，其二值化后的字符圖像能

2、夠很好地保持本來(lái)形態(tài)。 在特征提取方面，本文提取了三種有效特征向量，分別為原始點(diǎn)陣向量、宏觀特征、宏觀特征和微觀特征。 分類識(shí)別器采用了BP神經(jīng)網(wǎng)絡(luò)。對(duì)BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練算法進(jìn)行了研究，提出一種綜合優(yōu)化訓(xùn)練算法，使網(wǎng)絡(luò)訓(xùn)練速度得到提高，網(wǎng)絡(luò)收斂也得以保證。將三種不同特征向量作為神經(jīng)網(wǎng)絡(luò)的輸入，設(shè)計(jì)了三個(gè)不同網(wǎng)絡(luò)結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)分類器，并提出動(dòng)態(tài)權(quán)值的多分類器集成方法對(duì)三個(gè)分類器進(jìn)行系統(tǒng)集成，提高了系統(tǒng)的性能和識(shí)別精度。