手寫體數(shù)字識別中的關鍵技術研究.pdf

1、在信息化飛速發(fā)展的今天，光學字符識別技術一直扮演著重要的角色。手寫字符識別作為光學字符識別領域中的一個重要分支，有著廣泛的現(xiàn)實應用。此外，該領域的研究成果也能夠推廣到諸如漢字識別、人臉識別等其他模式識別領域。因此，對于手寫體字符識別的研究既具有現(xiàn)實應用意義，同時也具有理論學術意義。特征提取和分類器設計是光學字符識別中的兩個關鍵技術環(huán)節(jié)。在特征提取方法中，主成分分析是一種被廣泛采用的方法。但該方法存在運算時間長、識別率較低、工程實際應用困

2、難等問題。在分類器設計環(huán)節(jié)，神經(jīng)網(wǎng)絡憑借其出色的分類性能而被廣泛采用。在神經(jīng)網(wǎng)絡訓練算法中，BP算法是一種被廣泛采用的算法。但BP算法是基于梯度下降理論設計的，該算法存在著諸如容易陷入局部極小、隱層神經(jīng)元個數(shù)選擇缺乏理論依據(jù)、訓練時間長等諸多問題。近年來，在人臉識別領域提出了二維主成分分析的特征提取方法，較之傳統(tǒng)主成分分析方法具有更高的識別率和更短的特征提取時間。本文在此基礎上，改進了主成分分析中的特征生成矩陣，使用了新的樣本像素分類方

3、法，提高了系統(tǒng)的識別率。主要研究內(nèi)容如下： ⑴將近年來在人臉識別領域提出的二維主成分分析算法應用于手寫數(shù)字識別問題，并與經(jīng)典主成分分析算法進行了對比實驗。實驗結果顯示，二維主成分分析算法在特征提取時間以及識別率上都要優(yōu)于經(jīng)典的主成分分析算法。 ⑵在二維主成分分析算法的基礎上，在計算特征生成矩陣階段提出了新的樣本圖像像素分組策略NetPCA。該方法綜合了統(tǒng)計特征和結構特征兩種特征提取方法。在樣本測試階段，使用該策略提取的特

4、征的最佳識別率要優(yōu)于二維主成分分析。 ⑶使用代數(shù)算法這一新的神經(jīng)網(wǎng)絡學習算法來訓練神經(jīng)網(wǎng)絡分類器。該算法將復雜的非線性優(yōu)化問題轉化為了簡單的代數(shù)方程組求解問題，并實現(xiàn)了代價函數(shù)為0的精確映射。解決了傳統(tǒng)BP算法容易陷入局部極小、訓練時間長、網(wǎng)絡結構參數(shù)確定缺乏理論依據(jù)等缺陷。 ⑷實現(xiàn)了基于主成分分析特征提取、神經(jīng)網(wǎng)絡分類器的手寫數(shù)字識別系統(tǒng)。并通過了對美國國家郵政局USPS字庫中全部字符完整的識別實驗，證實了上述算法的有