基于BP神經網絡的手寫數字識別系統(tǒng)的設計與實現.pdf

1、ClassifiedIndex：TP399UDC：620SecrecyRate：PublicizedUniversityCode：10082HebeiUniversityofScienceandTechnologyDissertationfortheMasterDegreeTheDesignandRealizationofRecognitionSystemofHandwrittenNumericCharactersBasedonBPNe

2、uralNetworkCandidate：Supervisor：AssociateSupervisor：AcademicDegreeApppliedfor：Speciality：Employer：DateofOralExamination：WeiZhenyiAssociateProfRuanDongmMasterofEngineeringComputerAplicationTechnologySchoolofInformationSci

3、ence＆EngineeringMay26，2013摘要摘要在計算機極為智能的今天，讓計算機來幫助人們快速、正確地識別數字早已成為一種潮流。計算機在識別一些書寫規(guī)范、大小固定、甚至是打印體的數字字符時，只需要按照用戶給定的具體模板來匹配待識別的字符即可，計算機對這種有規(guī)則的字符識別率相當高，再加上計算機超強的運算能力，因此具有人腦無法比擬的識別速率。然而，現實生活中需要自動識別的數字字符，絕大部分是手寫體，它們或大或小，或正或歪，有的甚

4、至還簡寫、變形、連筆，并且它們往往并不獨立存在，而是排列成一串，因此，當計算機面對這些成串的不規(guī)則手寫字符時，無法找到一個具體的模板來比對，此時計算機就顯得無能為力了。反觀人類大腦，其具有超強的綜合、分析、判斷、記憶的能力，可以很容易地識別出各種不規(guī)則的手寫數字。因此，模擬人腦活動的人工神經網絡智能算法在手寫數字識別領域得到了廣泛的應用。其中，本論文即采用了效率最為突出的BP(BackPropagation，誤差反向傳播)神經網絡模型來

5、進行樣本的訓練。本論文簡要的介紹了人工神經網絡的發(fā)展歷程，重點介紹了目前應用最為廣泛的BP神經網絡的原理，并給出了詳細的BP網絡算法推導過程。在系統(tǒng)實現模塊，詳細地介紹了系統(tǒng)圖像預處理階段的處理流程，對圖像去噪、字符傾斜度調整、圖像分割、字符歸一化、字符緊縮重排所采用的算法進行了偽代碼描述。在系統(tǒng)效率分析模塊，本文將系統(tǒng)多次測試的結果采用的圖表的方式進行列舉，詳細地分析了BP神經網絡各個因子對系統(tǒng)識別率的影響力大小，詳細地分析了原因，并