Hopfield神經網絡的改進及其應用——基于Hopfield神經網絡的脫機手寫數(shù)字識別.pdf

1、脫機手寫數(shù)字識別在很多領域具有廣泛的應用前景，國內外學者對此做了大量的研究工作，提出了很多預處理和模式識別的算法，大大提高了手寫數(shù)字的識別精度。但到目前為止，手寫數(shù)字識別的識別精度還有待提高，閥值參數(shù)選擇等問題尚有待解決。 為了提高手寫數(shù)字識別的精度，本文將Hopfield神經網絡應用于脫機手寫數(shù)字識別分析中，Hopfield神經網絡的“能量函數(shù)”的能量在網絡運行過程中，具有不斷地減少最后趨于穩(wěn)定的平衡狀態(tài)的特性，而且網絡一旦建

2、立即可自動運行，無需要訓練。脫機手寫數(shù)字的識別過程分為兩步：訓練階段，識別階段。在訓練階段，提取訓練樣本集的代數(shù)特征，建立網絡模型，以輸入向量為目標向量，保存網絡連接權值和閾值以及代數(shù)特征；在識別階段，將待識別數(shù)字特征送入網絡運行，待網絡運行到平衡狀態(tài)后，將輸出結果與數(shù)字特征庫的向量進行比較，距離最小者即為待識別的數(shù)字。 脫機手寫數(shù)字識別一般分為圖像預處理、特征提取、數(shù)字串分割、識別這幾個階段。首先，票據的數(shù)字圖像進行預處理，通

3、過去噪、平滑、二值化等一系列預處理工作，在對手寫數(shù)字圖像進行預處理時，引入了基于小波變換的圖像處理新方法，它較改進的中值濾波算法根據先進性和更適應于后續(xù)的Hopfield神經網絡的訓練和識別過程。得到待識別的手寫體數(shù)字串后本文提出了一種基于識別的分割方法以得到分割最佳組合，這種分割方法的分割結果是基于識別結果的，在識別數(shù)字的同時得到分割結果設計了包含神經元的神經網絡分類器識別手寫數(shù)字，在訓練分類器的時候，將反例樣本作為必要的訓練樣本估計