

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、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
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。
最新文檔
- 基于BP神經網絡的脫機手寫體數字識別.pdf
- 基于Hopfield神經網絡的脫機手寫體數字識別分析與研究.pdf
- 基于BP人工神經網絡的脫機手寫數字識別研究.pdf
- 基于BP神經網絡集成的手寫體數字識別.pdf
- 基于BP神經網絡的脫機手寫漢字識別研究.pdf
- 基于過程神經網絡的脫機手寫體漢字識別方法研究.pdf
- 基于Hopfield神經網絡的脫機手寫數字識別.pdf
- 基于LVQ神經網絡的脫機手寫數字識別研究.pdf
- 基于BP神經網絡的手寫體數字識別分析與研究.pdf
- 基于HMM的脫機手寫體字符識別.pdf
- 基于特征融合的脫機手寫體漢字識別.pdf
- 基于BP網絡的手寫體數字識別.pdf
- 脫機手寫體漢字識別研究.pdf
- 基于無切分策略的脫機手寫體數字串識別.pdf
- 基于bandelet的脫機手寫體漢字識別研究.pdf
- Hopfield神經網絡的改進及其應用——基于Hopfield神經網絡的脫機手寫數字識別.pdf
- 集成型神經網絡手寫體數字識別.pdf
- 基于SVM的脫機手寫體數字識別的研究與應用.pdf
- 脫機手寫體數字識別方法研究與實現.pdf
- 基于稀疏表示的脫機手寫體漢字識別研究.pdf
評論
0/150
提交評論