基于PSO-BP神經網絡的脫機手寫體數字識別.pdf

1、手寫體字符識別是多年來的研究熱點，也是模式識別領域中最成功的應用之一，一般可以分為兩類:聯機手寫字符識別和光學字符識別(OCR或稱離線字符識別)。聯機識別是通過數字轉換器來獲得用戶實際書寫時的筆尖位置，進而獲得數據，而離線識別主要通過掃描儀和數碼設備獲得數據的輸入。其中，離線手寫體數字識別已經成為近年來研究的熱點問題，在許多領域都有其應用潛力，例如信件分揀、財務報表、銀行票據、傳真文件閱讀等。國內外學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、支持向量機等。但是由于手寫體數字字體變化很大，傳統(tǒng)的識別方法要達到高的識別率，有較大的困難。
　　本文針對離線手寫體數字識別過程的特點，建立了基于BP神經網絡的規(guī)范手寫體離線識別模型，并進行了訓練和仿真研究。首先，通過圖像處理技術對通過數碼設備或掃描儀采集的手寫數字信息進行預處理，其次，對處理的圖像數字化信息進行特征提取，最后利用BP神經網絡的自學習、抗噪聲和并行計算，以及強大的非線性

3、映射能力，建立了隨機樣本數據的分類器模型和預測模型，通過仿真驗證了此模型的有效性。
　　由于BP算法屬于局部尋優(yōu)算法，在網絡的訓練過程中易陷入局部極小點，而影響網絡分類器的識別率，針對這一問題，本文采用了基于PSO算法優(yōu)化BP人工神經網絡模式識別方法，建立了基于PSO-BP神經網絡的規(guī)范手寫體離線識別模型，并進行了訓練和仿真研究，通過非線性函數的極值優(yōu)化和樣本數據的分類仿真，比較了PSO優(yōu)化BP算法分類器和單獨BP算法分類器的分類