基于PSO-BP神經(jīng)網(wǎng)絡的脫機手寫體數(shù)字識別.pdf

1、手寫體字符識別是多年來的研究熱點，也是模式識別領域中最成功的應用之一，一般可以分為兩類:聯(lián)機手寫字符識別和光學字符識別(OCR或稱離線字符識別)。聯(lián)機識別是通過數(shù)字轉換器來獲得用戶實際書寫時的筆尖位置，進而獲得數(shù)據(jù)，而離線識別主要通過掃描儀和數(shù)碼設備獲得數(shù)據(jù)的輸入。其中，離線手寫體數(shù)字識別已經(jīng)成為近年來研究的熱點問題，在許多領域都有其應用潛力，例如信件分揀、財務報表、銀行票據(jù)、傳真文件閱讀等。國內(nèi)外學者在這方面做了大量的研究，方法主要包

2、括非線性主分量分析PCA算法、隱馬爾可夫模型、支持向量機等。但是由于手寫體數(shù)字字體變化很大，傳統(tǒng)的識別方法要達到高的識別率，有較大的困難。
　　本文針對離線手寫體數(shù)字識別過程的特點，建立了基于BP神經(jīng)網(wǎng)絡的規(guī)范手寫體離線識別模型，并進行了訓練和仿真研究。首先，通過圖像處理技術對通過數(shù)碼設備或掃描儀采集的手寫數(shù)字信息進行預處理，其次，對處理的圖像數(shù)字化信息進行特征提取，最后利用BP神經(jīng)網(wǎng)絡的自學習、抗噪聲和并行計算，以及強大的非線性

3、映射能力，建立了隨機樣本數(shù)據(jù)的分類器模型和預測模型，通過仿真驗證了此模型的有效性。
　　由于BP算法屬于局部尋優(yōu)算法，在網(wǎng)絡的訓練過程中易陷入局部極小點，而影響網(wǎng)絡分類器的識別率，針對這一問題，本文采用了基于PSO算法優(yōu)化BP人工神經(jīng)網(wǎng)絡模式識別方法，建立了基于PSO-BP神經(jīng)網(wǎng)絡的規(guī)范手寫體離線識別模型，并進行了訓練和仿真研究，通過非線性函數(shù)的極值優(yōu)化和樣本數(shù)據(jù)的分類仿真，比較了PSO優(yōu)化BP算法分類器和單獨BP算法分類器的分類