極限學(xué)習(xí)機在手寫體數(shù)字識別中的應(yīng)用.pdf

1、手寫體數(shù)字識別即利用計算機自動辨識出手寫阿拉伯數(shù)字，屬于機器視覺的研究范疇之一。考慮到阿拉伯數(shù)字的全球通用性以及手寫體數(shù)字應(yīng)用場合較多，手寫體數(shù)字識別已經(jīng)得到了許多專家學(xué)者的關(guān)注研究。但是由于不同地區(qū)不同人的書寫習(xí)慣不同，導(dǎo)致手寫體數(shù)字存在許多變體，增加了識別難度，手寫體數(shù)字識別技術(shù)仍然是機器視覺中的一個重要研究方向。
　　神經(jīng)網(wǎng)絡(luò)分類器由于對噪音數(shù)據(jù)有很高的承受能力已經(jīng)得到了極其廣泛的應(yīng)用，但是傳統(tǒng)神經(jīng)網(wǎng)絡(luò)由于訓(xùn)練時間長、易陷入

2、局部最優(yōu)等問題，訓(xùn)練出來的分類器效果不是很理想。極限學(xué)習(xí)機網(wǎng)絡(luò)參數(shù)隨機給定，訓(xùn)練過程不需要迭代調(diào)整，訓(xùn)練速度快不會陷入局部最優(yōu)解，已經(jīng)證明了其在模式識別方面的優(yōu)越性，本文通過試驗著重討論該分類器的優(yōu)缺點，針對極限學(xué)習(xí)機網(wǎng)絡(luò)分類器的泛化性和穩(wěn)定性方面的不足，提出了一種粒子群極限學(xué)習(xí)機網(wǎng)絡(luò)，并通過試驗比較了這兩種網(wǎng)絡(luò)的區(qū)別。
　　手寫體數(shù)字識別的關(guān)鍵技術(shù)主要包括特征提取和模式識別。本文針對這兩方面主要做了如下工作:
　　1.為了

3、最大限度的獲取圖像有用信息，便于后期特征提取，本文對手寫體數(shù)字圖像進行了預(yù)處理:灰度化、二值化、膨脹腐蝕、校準與歸一化處理。
　　2.在綜合研究了手寫體數(shù)字網(wǎng)格特征和結(jié)構(gòu)特征的基礎(chǔ)上，本文提取了手寫體數(shù)字的輪廓特征、傅里葉變換特征、hu不變矩特征、十三點網(wǎng)格特征、粗網(wǎng)格特征、投影特征等?？紤]到原始特征維數(shù)過多，直接應(yīng)用于分類器分類會造成分類器訓(xùn)練速度過慢、識別精度不高的問題，本文采用了一種特征降維方法-主成分分析法對原始特征進行降