基于某神经网络地手写数字识别系统地设计与实现

《基于某神经网络地手写数字识别系统地设计与实现》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、实用标准文案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精彩文档实用标准文案目录摘要ⅠABSTRACTⅡ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113.3.3

2、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[14]144.1.2神经网络的工作原理144.2神经网络的学习与训练[15]154.3BP神经网络164.3.1BP算法164.3.2BP网络的一般学习算法16精彩文档实用标准文案4.3.3BP网络的设计184.4BP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235.1.1MATLAB简介235.1.2MATLAB的特点235.1.3使用MATLAB的优势235.2系统设计思路245.3系统流程图

3、245.4MATLAB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精彩文档实用标准文案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

4、处理，并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，MATLAB精彩文档实用标准文案ABSTRACTHandwrittencharacterrecognitionisaveryimportantandactiveresearchinpatternrecognitio

5、n.Theoretically,itisnotanisolatedtechnique.Itconcernswiththeproblemthatalltheotherareasofpatternrecognitionmustconfronted;practically,beingakindofinformationprocessingmeasured,characterrecognitionhasaverybroadapplicationbackgroundandvastneedofmarket.Thus,itisofboththeoreticalandpracticalsignifican

6、ce.Artificialneuralnetworkrecognitionmethodisanewmethodoftheresearchfieldinrecentyears,andthismethodhassomemeritthattraditionaltechniquedonothave;goodtoleranceforerror,strongsortingability,strongparallelhandlingabilityandstrongself-learningabilityaswellasitsoff-linetrainingandon-linerecognizing.Al

7、lthesemeritscontributeitsperfectperformanceinhandlingvastdatasetandhandlingintimelymanner.It’sdifficulttomakeaccuratemathematicsmodelforhandwrittennumeralrecognition,soBPneuralnetworksisusedhere.Thekeystepsofneur