高精度手寫體數(shù)字的識別.pdf

1、本文建立了一個二級BP神經(jīng)網(wǎng)絡(luò)手寫體數(shù)字識別系統(tǒng)，在這個系統(tǒng)的實現(xiàn)過程中，本文的工作主要有以下幾個方面： L針對本文所使用樣本庫和神經(jīng)網(wǎng)絡(luò)的特點，系統(tǒng)提取了包括壓縮特征、Kirsch特征、Gabor特征、Legendre矩特征、Pseudo-Zemike矩特征、Zemike矩特征和質(zhì)心層次特征在內(nèi)的七類共1∞維特征向量。 2．對于傳統(tǒng)的即算法存在的一些局限，如學習率和動量因子在迭代過程不是變量，不能適應復雜的誤差曲面，其

2、收斂性對輸入樣本特性和連接權(quán)值的選取比較敏感，收斂速度往往相當慢；而且在學習過程中，經(jīng)常陷入誤差函數(shù)值局部極小狀態(tài)，而達不到預定的收斂精度；本文通過引入自適應學習率及動量因子等對即算法這些局限進行了一定程度的改進。 3．對一級即網(wǎng)絡(luò)分類器進行了分析，提出采用二級即網(wǎng)絡(luò)實現(xiàn)分類器。對試驗的樣本庫進行了大量的統(tǒng)計和試驗，并以此為依據(jù)對二級即神經(jīng)網(wǎng)絡(luò)分類器進行了設(shè)計和實現(xiàn)，進一步用實驗論證了使用二級即網(wǎng)絡(luò)實現(xiàn)分類器的優(yōu)越性。