極限學(xué)習(xí)機(jī)在手寫體數(shù)字識(shí)別中的應(yīng)用.pdf

1、手寫體數(shù)字識(shí)別即利用計(jì)算機(jī)自動(dòng)辨識(shí)出手寫阿拉伯?dāng)?shù)字，屬于機(jī)器視覺(jué)的研究范疇之一?？紤]到阿拉伯?dāng)?shù)字的全球通用性以及手寫體數(shù)字應(yīng)用場(chǎng)合較多，手寫體數(shù)字識(shí)別已經(jīng)得到了許多專家學(xué)者的關(guān)注研究。但是由于不同地區(qū)不同人的書寫習(xí)慣不同，導(dǎo)致手寫體數(shù)字存在許多變體，增加了識(shí)別難度，手寫體數(shù)字識(shí)別技術(shù)仍然是機(jī)器視覺(jué)中的一個(gè)重要研究方向。
　　神經(jīng)網(wǎng)絡(luò)分類器由于對(duì)噪音數(shù)據(jù)有很高的承受能力已經(jīng)得到了極其廣泛的應(yīng)用，但是傳統(tǒng)神經(jīng)網(wǎng)絡(luò)由于訓(xùn)練時(shí)間長(zhǎng)、易陷入

2、局部最優(yōu)等問(wèn)題，訓(xùn)練出來(lái)的分類器效果不是很理想。極限學(xué)習(xí)機(jī)網(wǎng)絡(luò)參數(shù)隨機(jī)給定，訓(xùn)練過(guò)程不需要迭代調(diào)整，訓(xùn)練速度快不會(huì)陷入局部最優(yōu)解，已經(jīng)證明了其在模式識(shí)別方面的優(yōu)越性，本文通過(guò)試驗(yàn)著重討論該分類器的優(yōu)缺點(diǎn)，針對(duì)極限學(xué)習(xí)機(jī)網(wǎng)絡(luò)分類器的泛化性和穩(wěn)定性方面的不足，提出了一種粒子群極限學(xué)習(xí)機(jī)網(wǎng)絡(luò)，并通過(guò)試驗(yàn)比較了這兩種網(wǎng)絡(luò)的區(qū)別。
　　手寫體數(shù)字識(shí)別的關(guān)鍵技術(shù)主要包括特征提取和模式識(shí)別。本文針對(duì)這兩方面主要做了如下工作:
　　1.為了

3、最大限度的獲取圖像有用信息，便于后期特征提取，本文對(duì)手寫體數(shù)字圖像進(jìn)行了預(yù)處理:灰度化、二值化、膨脹腐蝕、校準(zhǔn)與歸一化處理。
　　2.在綜合研究了手寫體數(shù)字網(wǎng)格特征和結(jié)構(gòu)特征的基礎(chǔ)上，本文提取了手寫體數(shù)字的輪廓特征、傅里葉變換特征、hu不變矩特征、十三點(diǎn)網(wǎng)格特征、粗網(wǎng)格特征、投影特征等?？紤]到原始特征維數(shù)過(guò)多，直接應(yīng)用于分類器分類會(huì)造成分類器訓(xùn)練速度過(guò)慢、識(shí)別精度不高的問(wèn)題，本文采用了一種特征降維方法-主成分分析法對(duì)原始特征進(jìn)行降