基于多神經(jīng)網(wǎng)絡(luò)集成的手寫數(shù)字識別.pdf

1、手寫數(shù)字識別是利用機器或計算機自動辨認手寫體阿拉伯?dāng)?shù)字的一種技術(shù)，是光學(xué)字符識別技術(shù)的一個分支。由于阿拉伯?dāng)?shù)字的世界通用性，并且數(shù)字的識別和處理也常常是一些自動化系統(tǒng)的核心和關(guān)鍵，所以對手寫體數(shù)字識別的研究通用性強，且意義重大。 在對多種手寫字符識別的相關(guān)技術(shù)進行調(diào)查和研究后，本文提出了一個基于多級神經(jīng)網(wǎng)絡(luò)集成的手寫數(shù)字識別仿真系統(tǒng)，面向脫機手寫體孤立數(shù)字的識別。整個系統(tǒng)由四個模塊構(gòu)成：首先以圖像預(yù)處理模塊和字符特征提取模塊作為

2、模式數(shù)據(jù)輸入的基礎(chǔ)；其次采用多個BP神經(jīng)網(wǎng)絡(luò)作為識別的核心分類器，即分類模塊；然后對這些神經(jīng)分類器的輸出結(jié)果進行融合判決來獲得最終識別結(jié)果，即決策模塊。 本文的主要研究工作集中在特征提取和多分類器融合識別上。 在特征提取方面，在對多種有發(fā)展?jié)摿Φ奶卣魈崛》椒ㄟM行實驗分析的基礎(chǔ)上，提出了一種全局特征和兩種局部特征作為主特征，并組合一系列低維輔助特征的組合方法。實驗證明這三組組合的特征向量對手寫數(shù)字均具有高分類能力。

3、 在多分類器融合方面，將本文提出的融合方法與對其它多種融合方法進行了實驗分析和對比。實驗表明，利用多分類器融合策略均可以達到高精度識別，并且本文提出的融合方法略優(yōu)于其它融合方法。 本文第一章介紹了手寫體數(shù)字識別的應(yīng)用前景、研究現(xiàn)狀以及研究方法，并介紹了模式識別的常用方法，說明了手寫體數(shù)字識別的難點和其廣闊的應(yīng)用前景。 第二章介紹了手寫體數(shù)字識別中的預(yù)處理技術(shù)，包括圖像的平滑、二值化、圖像規(guī)范化，細化等技術(shù)，同時介紹了本文

4、提出的細化后處理算法。 第三章介紹了特征提取技術(shù)，以及本文的識別系統(tǒng)中使用的特征提取算法，并通過實驗分析選擇了最佳特征組合方案。 第四章介紹了神經(jīng)網(wǎng)絡(luò)的原理和算法，并指出神經(jīng)網(wǎng)絡(luò)用于手寫數(shù)字識別的內(nèi)在機理和獨特優(yōu)勢。最后，通過本文提出的數(shù)字識別仿真系統(tǒng)對MNIST手寫數(shù)字圖像庫分別進行了三種單分類器識別實驗和多級分類器的若干融合方法實驗。實驗表明單分類器最好識別率為98.14％，而多分類器融合方法的識別性能均高于單分類器