基于多神经网络集成的手写体字符识别

《基于多神经网络集成的手写体字符识别》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、华中科技大学硕士学位论文基于多神经网络集成的手写体字符识别姓名：李冰申请学位级别：硕士专业：控制理论与控制工程指导教师：孙德宝20050328摘要手写体字符识别是模式识别中一个非常重要和活跃的研究领域字符识别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字符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这些优点

2、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达到良好的识别效果由于手写体字符的识别特别是手写体数字识别要求系统必须具有很高的识别率和可靠性而这两者又往往是难以兼顾针对这一情况本文建立了一种用于手写体字符识别的三级神经网络模型在该模型中各个子神经网络分别与不同的具有互补性的图像特征提取方法相结合识别时三个神经网络先串联再并联利用拒绝机制和投票机制进行协作识别该模型充分有效的利用了各种特征信息从实验结果看也达到了较好的辩识目的本文按照该多级识别系统的建立过程依次介绍了字符图像的预处理字符特征提取神经网络及其优化算法以及多神经网

3、络的集成文章最后根据给出识别系统在Matlab平台上的实验结果比较讨论了识别系统的性能分析了建立该识别系统的注意事项关键词手写体字符识别特征提取神经网络训练多级神经网络IAbstractHandwrittencharacterrecognitionisaveryimportantandactiveresearchinpatternrecognition.Theoretically,itisnotanisolatedtechnique.Itconcernswiththeproblemthatalltheotherareasofpatt

4、ernrecognitionmustconfronted;Practically,beingakindofinformationprocessingmeasure,characterrecognitionhasaverybroadapplicationbackgroundandvastneedofmarket.Thus,itisofboththeoreticalandpracticalsignificance.Artificialneuralnetworkrecognitionmethodisanewmethodoftheresea

5、rchfieldinrecentyears,andthismethodhassomemeritthattraditionaltechniquedonothave;goodtoleranceforerror,strongsortingability,strongparallelhandlingabilityandstrongself-learningabilityaswellasitsoff-linetrainingandon-linerecognizing.Allthesemeritscontributeitsperfectperf

6、ormanceinhandlingvastdatasetandhandlingintimelymanner.Thecharacteristicsofhandwrittencharacterset(especiallythenumeralset)demandtherecognitionsystemtakeaccountofbothhighaccuracyandreliability.Itisverydifficulttogiveconsiderationstobothofthem.Todealwiththisproblem,three

7、complementclassifiersaregivenandtheirrecognitionresultsarecombinedbytheproposedintegrationmethod.Inthissystem,differentnetworkiscombinedtodifferentfeatureextraction.Multipleneuralnetworkscollaborateperfectlytomakefulluseoffeaturessothatgiveussatisfyingresults.Thispaper

8、mainlyinvolvespreconditioningandfeatureextractionofhandwrittencharacterpicture,themaintheoryofneuralnetwork,andtraini