Hopfield神經(jīng)網(wǎng)絡(luò)的改進(jìn)及其應(yīng)用——基于Hopfield神經(jīng)網(wǎng)絡(luò)的脫機(jī)手寫數(shù)字識別.pdf

1、脫機(jī)手寫數(shù)字識別在很多領(lǐng)域具有廣泛的應(yīng)用前景，國內(nèi)外學(xué)者對此做了大量的研究工作，提出了很多預(yù)處理和模式識別的算法，大大提高了手寫數(shù)字的識別精度。但到目前為止，手寫數(shù)字識別的識別精度還有待提高，閥值參數(shù)選擇等問題尚有待解決。 為了提高手寫數(shù)字識別的精度，本文將Hopfield神經(jīng)網(wǎng)絡(luò)應(yīng)用于脫機(jī)手寫數(shù)字識別分析中，Hopfield神經(jīng)網(wǎng)絡(luò)的“能量函數(shù)”的能量在網(wǎng)絡(luò)運(yùn)行過程中，具有不斷地減少最后趨于穩(wěn)定的平衡狀態(tài)的特性，而且網(wǎng)絡(luò)一旦建

2、立即可自動運(yùn)行，無需要訓(xùn)練。脫機(jī)手寫數(shù)字的識別過程分為兩步：訓(xùn)練階段，識別階段。在訓(xùn)練階段，提取訓(xùn)練樣本集的代數(shù)特征，建立網(wǎng)絡(luò)模型，以輸入向量為目標(biāo)向量，保存網(wǎng)絡(luò)連接權(quán)值和閾值以及代數(shù)特征；在識別階段，將待識別數(shù)字特征送入網(wǎng)絡(luò)運(yùn)行，待網(wǎng)絡(luò)運(yùn)行到平衡狀態(tài)后，將輸出結(jié)果與數(shù)字特征庫的向量進(jìn)行比較，距離最小者即為待識別的數(shù)字。 脫機(jī)手寫數(shù)字識別一般分為圖像預(yù)處理、特征提取、數(shù)字串分割、識別這幾個階段。首先，票據(jù)的數(shù)字圖像進(jìn)行預(yù)處理，通

3、過去噪、平滑、二值化等一系列預(yù)處理工作，在對手寫數(shù)字圖像進(jìn)行預(yù)處理時，引入了基于小波變換的圖像處理新方法，它較改進(jìn)的中值濾波算法根據(jù)先進(jìn)性和更適應(yīng)于后續(xù)的Hopfield神經(jīng)網(wǎng)絡(luò)的訓(xùn)練和識別過程。得到待識別的手寫體數(shù)字串后本文提出了一種基于識別的分割方法以得到分割最佳組合，這種分割方法的分割結(jié)果是基于識別結(jié)果的，在識別數(shù)字的同時得到分割結(jié)果設(shè)計(jì)了包含神經(jīng)元的神經(jīng)網(wǎng)絡(luò)分類器識別手寫數(shù)字，在訓(xùn)練分類器的時候，將反例樣本作為必要的訓(xùn)練樣本估計(jì)