基于模糊聚類算法的無約束手寫體數(shù)字識別.pdf

1、無約束手寫體數(shù)字識別一直是模式識別領(lǐng)域的一個(gè)研究熱點(diǎn)。由于手寫數(shù)字的樣本庫較少，因此它也是檢測各種識別算法優(yōu)劣的重要檢測手段，雖然現(xiàn)有的很多識別器都具有較好的識別效果。但是,在有些領(lǐng)域，比如支票識別、統(tǒng)計(jì)報(bào)表識別、銀行票據(jù)識別中，它們的識別率及正確率還遠(yuǎn)不能達(dá)到令人滿意的程度。為了提高算法的精確度，論文提出應(yīng)用模糊聚類的方法進(jìn)行數(shù)字識別。 模糊聚類具有高度的模糊性和容錯性，是目前應(yīng)用較為廣泛的一種識別方法，但其在實(shí)際應(yīng)用中仍有一

2、定的局限性。一是模糊關(guān)系矩陣較難確定，二是聚類對象通常較為龐大，計(jì)算量也很大。在實(shí)際應(yīng)用中，如果能對特征因素進(jìn)行篩選，將有利于降低計(jì)算量，提高聚類效果。由于BP 神經(jīng)網(wǎng)絡(luò)具有高度的自適應(yīng)性，能從樣本的訓(xùn)練中學(xué)習(xí)到問題的規(guī)律，對相互交叉的識別因素起到較好的篩選作用，從而為后續(xù)的模糊聚類識別提供更為有效的數(shù)據(jù)。因此，筆者提出了將BP 神經(jīng)網(wǎng)絡(luò)和模糊聚類算法相結(jié)合的識別算法。其基本思想是先通過BP 網(wǎng)絡(luò)對數(shù)字樣本進(jìn)行訓(xùn)練，再使用模糊聚類分析方