基于PSO-BP神經(jīng)網(wǎng)絡(luò)的脫機(jī)手寫體數(shù)字識(shí)別.pdf

1、手寫體字符識(shí)別是多年來(lái)的研究熱點(diǎn)，也是模式識(shí)別領(lǐng)域中最成功的應(yīng)用之一，一般可以分為兩類:聯(lián)機(jī)手寫字符識(shí)別和光學(xué)字符識(shí)別(OCR或稱離線字符識(shí)別)。聯(lián)機(jī)識(shí)別是通過(guò)數(shù)字轉(zhuǎn)換器來(lái)獲得用戶實(shí)際書(shū)寫時(shí)的筆尖位置，進(jìn)而獲得數(shù)據(jù)，而離線識(shí)別主要通過(guò)掃描儀和數(shù)碼設(shè)備獲得數(shù)據(jù)的輸入。其中，離線手寫體數(shù)字識(shí)別已經(jīng)成為近年來(lái)研究的熱點(diǎn)問(wèn)題，在許多領(lǐng)域都有其應(yīng)用潛力，例如信件分揀、財(cái)務(wù)報(bào)表、銀行票據(jù)、傳真文件閱讀等。國(guó)內(nèi)外學(xué)者在這方面做了大量的研究，方法主要包

2、括非線性主分量分析PCA算法、隱馬爾可夫模型、支持向量機(jī)等。但是由于手寫體數(shù)字字體變化很大，傳統(tǒng)的識(shí)別方法要達(dá)到高的識(shí)別率，有較大的困難。
　　本文針對(duì)離線手寫體數(shù)字識(shí)別過(guò)程的特點(diǎn)，建立了基于BP神經(jīng)網(wǎng)絡(luò)的規(guī)范手寫體離線識(shí)別模型，并進(jìn)行了訓(xùn)練和仿真研究。首先，通過(guò)圖像處理技術(shù)對(duì)通過(guò)數(shù)碼設(shè)備或掃描儀采集的手寫數(shù)字信息進(jìn)行預(yù)處理，其次，對(duì)處理的圖像數(shù)字化信息進(jìn)行特征提取，最后利用BP神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)、抗噪聲和并行計(jì)算，以及強(qiáng)大的非線性

3、映射能力，建立了隨機(jī)樣本數(shù)據(jù)的分類器模型和預(yù)測(cè)模型，通過(guò)仿真驗(yàn)證了此模型的有效性。
　　由于BP算法屬于局部尋優(yōu)算法，在網(wǎng)絡(luò)的訓(xùn)練過(guò)程中易陷入局部極小點(diǎn)，而影響網(wǎng)絡(luò)分類器的識(shí)別率，針對(duì)這一問(wèn)題，本文采用了基于PSO算法優(yōu)化BP人工神經(jīng)網(wǎng)絡(luò)模式識(shí)別方法，建立了基于PSO-BP神經(jīng)網(wǎng)絡(luò)的規(guī)范手寫體離線識(shí)別模型，并進(jìn)行了訓(xùn)練和仿真研究，通過(guò)非線性函數(shù)的極值優(yōu)化和樣本數(shù)據(jù)的分類仿真，比較了PSO優(yōu)化BP算法分類器和單獨(dú)BP算法分類器的分類