基于神经网络的手写数字识别系统的设计与实现

《基于神经网络的手写数字识别系统的设计与实现》由会员分享，可在线阅读，更多相关《基于神经网络的手写数字识别系统的设计与实现（47页珍藏版）》请在文档大全上搜索。

1、中 南 大 学本科生毕业论文（设计）题 目 基于神经网络的手写数字 识别系统的设计与实现 目 录摘要ABSTRACT第一章 绪论11.1手写体数字识别研究的发展及研究现状11.2神经网络在手写体数字识别中的应用21.3 论文结构简介3第二章 手写体数字识别42.1手写体数字识别的一般方法及难点42.2 图像预处理概述52.3 图像预处理的处理步骤52.3.1 图像的平滑去噪52.3.2 二值话处理62.3.3 归一化72.3.4 细化82.4 小结9第三章 特征提取103.1 特征提取的概述103.2 统计特征103.3 结构特征113.3.1 结构特征提取113.3.2 笔划特征的提取113

2、.3.3 数字的特征向量说明123.3 知识库的建立12第四章 神经网络在数字识别中的应用144.1 神经网络简介及其工作原理144.1.1神经网络概述14144.1.2神经网络的工作原理144.2神经网络的学习与训练15154.3 BP神经网络164.3.1 BP算法164.3.2 BP网络的一般学习算法164.3.3 BP网络的设计184.4 BP学习算法的局限性与对策204.5 对BP算法的改进21第五章 系统的实现与结果分析235.1 软件开发平台235.1.1 MATLAB简介235.1.2 MATLAB的特点235.1.3 使用MATLAB的优势235.2 系统设计思路245.3

3、系统流程图245.4 MATLAB程序设计245.5 实验数据及结果分析26结论27参考文献28致谢30附录31摘 要手写体数字识别是模式识别中一个非常重要和活跃的研究领域，数字识别也不是一项孤立的技术，它所涉及的问题是模式识别的其他领域都无法回避的；应用上，作为一种信息处理手段，字符识别有广阔的应用背景和巨大的市场需求。因此，对数字识别的研究具有理论和应用的双重意义。人工神经网络识别方法是近年该研究领域的一种新方法，该方法具有一些传统技术所没有的优点：良好的容错能力、分类能力强、并行处理和自学习能力，并且是离线训练和在线识别的。这些优点使它在手写体字符的识别中能对大量数据进行快速实时处理，并

4、达到良好的识别效果。由于手写体数字识别难于建立精确的数学模型,所以本文采用BP神经网络对这一问题进行处理。神经网络模式识别的一个关键步骤是预处理和特征提取，对于手写体数字识别，本文采用了一种基于结构特征和统计特征的提取方法，并用程序实现了这一特征提取过程。通过测试，本识别系统对于较规范的手写体数字的识别达到了很好的识别效果。关键词： 手写体数字识别，特征提取，人工神经网络，MATLABABSTRACTHandwritten character recognition is a very important and active research in pattern recognition.

5、Theoretically, it is not an isolated technique. It concerns with the problem that all the other areas of pattern recognition must confronted; practically, being a kind of information processing measured, character recognition has a very broad application background and vast need of market. Thus, it

6、is of both theoretical and practical significance.Artificial neural network recognition method is a new method of the research field in recent years, and this method has some merit that traditional technique do not have; good tolerance for error, strong sorting ability, strong parallel handling abil

7、ity and strong self-learning ability as well as its off-line training and on-line recognizing. All these merits contribute its perfect performance in handling vast data set and handling in timely manner.Its difficult to make accurate mathematics model for handwritten numeral recognition, so BP neura

8、l networks is used here. The key steps of neural networks pattern recognition are preprocessing and feature subset selection. In this paper, algorithm of feature subset selection basing on structural characteristics and statistical characteristics has been adopted in handwritten numeral recognition,

9、 and the process of feature subset selection had been realized in program.Recognition system in this paper has achieved a good rate of recognition in random handwritten numeral by test.Keyword: handwritten numeral recognition, feature extraction, artificial neural network, MATLABII基于神经网络的手写数字识别系统的设计

10、与实现 第一章 绪论第一章 绪 论1.1手写体数字识别研究的发展及研究现状模式识别2是六十年代初迅速发展起来的一门学科。由于它研究的是如何用机器来实现人(及某些动物)对事物的学习、识别和判断能力，因而受到了很多科技领域研究人员的注意，成为人工智能研究的一个重要方面。一个模式识别系统的基本职能是对系统所要处理的模式归属于哪一类做出判别，从该系统的模式输入到系统做出判别之间，主要包括信息检测、预处理、特征提取和分类几大环节。字符识别是模式识别领域中的一个非常活跃的分支。一方面是由于问题本身的难度使之成为一个极具挑战性的课题；另一方面，是因为字符识别不是一项孤立的应用技术，其中包含的模式识别领域中其

11、他分支都会遇到的一些基本和共性的问题。从50年代开始，许多的研究者就在这一研究领域开展了广泛的探索并为模式识别的发展产生了积极的影响。字符识别，从采用的输入设备来分，可分为脱机识别（又称为光学字符识别Optical Character Recognition ,OCR）和联机识别，脱机字符又分为印刷体和手写字符识别，从对书写者要求来分，手写字符又分为限制性和非限制性的手写字符识别。在联机手写字符识别中，计算机能够通过与计算机相连的手写输入设备获得输入字符笔划的顺序、笔划的方向以及字符的形状，所以相对OCR来说它更容易识别一些。但联机字符识别有一个重要的不足就是要求输入者必须在指定的设备上书写，