基于Hopfield神經(jīng)網(wǎng)絡(luò)的脫機(jī)手寫體數(shù)字識(shí)別分析與研究.pdf

1、手寫體數(shù)字的識(shí)別是光學(xué)字符識(shí)別的一個(gè)重要的組成部分,在實(shí)際生活中有著廣泛的應(yīng)用。手寫體數(shù)字的識(shí)別又分為脫機(jī)和聯(lián)機(jī)兩種類型,其中聯(lián)機(jī)的手寫體數(shù)字的識(shí)別的算法已經(jīng)非常成熟,并且聯(lián)機(jī)的識(shí)別率也達(dá)到了一個(gè)很高的程度,得到了廣泛的應(yīng)用,但是脫機(jī)的手寫體數(shù)字的識(shí)別在算法上還有待改進(jìn),脫機(jī)手寫體數(shù)字的識(shí)別率也不算高,這是由脫機(jī)手寫體數(shù)字本身的特點(diǎn)所決定的,因?yàn)槊摍C(jī)手寫體數(shù)字在書寫時(shí)缺少了筆畫的動(dòng)態(tài)信息,并且書寫的風(fēng)格各異,因此在識(shí)別過程中有很大的難度

2、,誤識(shí)率也很高。但是,脫機(jī)手寫體數(shù)字的識(shí)別在一些特殊的場(chǎng)合有著不可替代的作用,比如郵政信件的分揀中的郵政編碼的識(shí)別,銀行支票中手寫體數(shù)字的識(shí)別。同時(shí)由于在現(xiàn)實(shí)生活中一般脫機(jī)手寫體數(shù)字需要處理的數(shù)字信息量比較大,因此對(duì)數(shù)據(jù)的處理速度也有著很高的要求,脫機(jī)的手寫體數(shù)字識(shí)別的研究有著重要的現(xiàn)實(shí)意義。
　　 通過近幾十年的研究,人工神經(jīng)網(wǎng)絡(luò)技術(shù)已經(jīng)越來越成熟,在各種模式識(shí)別和信號(hào)處理等領(lǐng)域扮演著重要的角色,并且取得了不錯(cuò)的效果。本課題就

3、是利用人工神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)對(duì)脫機(jī)手寫體數(shù)字的識(shí)別。
　　 本文首先在第一章對(duì)手寫體數(shù)字的研究現(xiàn)狀、研究意義進(jìn)行了介紹和說明,并介紹了一些脫機(jī)手寫體數(shù)字的傳統(tǒng)識(shí)別方法,最后給出了本文所要展開的研究工作。
　　 其次在第二章節(jié)中對(duì)脫機(jī)手寫體數(shù)字圖像進(jìn)行了灰度化、二值化、細(xì)化等預(yù)處理,詳細(xì)說明了二值化、細(xì)化的各種算法,利用整體閾值法處理手寫體數(shù)字的圖像,并對(duì)算法進(jìn)行了一定的改進(jìn)。在提取圖像的特征向量的時(shí)候,我們首先介紹了幾種常用的

4、特征提取方法,著重介紹了本文所要使用的小波變換法,并利用處理好的手寫體數(shù)字的圖像,用小波變換提取特征向量。
　　 接著采用MNIST手寫體數(shù)字?jǐn)?shù)據(jù)庫(kù),建立Hopfield神經(jīng)網(wǎng)絡(luò)的模型,設(shè)置網(wǎng)絡(luò)的連接權(quán),保留了神經(jīng)網(wǎng)絡(luò)的模型,采用一組樣本對(duì)脫機(jī)手寫體數(shù)字進(jìn)行識(shí)別測(cè)試。最后使用Matlab進(jìn)行實(shí)驗(yàn)仿真,對(duì)仿真結(jié)果進(jìn)行分析比較,表明:與傳統(tǒng)的一般的BP神經(jīng)網(wǎng)絡(luò)相比,小波變化和Hopfield相結(jié)合的方法能夠達(dá)到一個(gè)較好的識(shí)別率,識(shí)別