信號與信息處理專業(yè)畢業(yè)論文[精品論文]一種基于lm-bp神經網絡的手寫體數字識別系統-預覽頁
【正文】 提出了一套快速的運算規(guī)則。 識別系統對美國郵政管理局（ USPS）手寫體數字圖像庫分別進行了傳統 BP 神經網絡和 LMBP 神經網絡測 試實驗，傳統 BP 神經網絡的最好識別率為 ％，LMBP 神經網絡的識別率達到了 ％，實驗結果表明該系統對手寫數字具有較高的識別率。 本文對手寫數字識別技術進行了研究和探討，采用基于 LMBP 神經網絡分類器的手寫數字識別方法。另外，使用形態(tài)學膨脹技術粗化細化后的字符，均勻化了字符筆畫，用做分類器的輸入。 光學字符識別是 20 世紀 20 年代逐步發(fā)展起來的一門自動化技術。該識別方法以圖像預處理和一定的字符特征提取為基礎，采用結合了 LM數值優(yōu)化法的 BP 神經網絡作為核心識別分類器，對點陣輸入向量進行分類識別而確定出最后的識別結果。 分類識別器采用了 LMBP 神經網絡。日常生活中會遇到各種各樣的數字信息需要錄入到計算機中去，如大規(guī)模的數據統計、財務、稅務、金融及郵件分揀等。 在預處理方面，本文著重研究了帶折線型斷筆的字符的斷筆連接問題，提出了一種端點特征提取法，結合 DDA 算法，形成了一種能連接多種折線型斷筆的新方法。對傳統的 BP神經網絡訓練算法進行了研究，采用綜合優(yōu)化訓練算法，使用 LM 數 值優(yōu)化算法進行權值與閾值修正，并引入了自適應調節(jié)參數，靈活地調節(jié)網絡訓練方式。因此手寫體數 字識別有著廣泛的應用前景，對其進行研究有著重要的現實意義。此外，針對二值圖像的特點，修改了傳統中值濾波法的 具體運算方法，提出了一套快速的運算規(guī)則。 識別系統對美國郵政管理局（ USPS）手寫體數字圖像庫分別進行了傳統 BP 神經網絡和 LMBP 神經網絡測試實驗，傳統 BP 神經網絡的最好識別率為 ％，LMBP 神經網絡的識別率達到了 ％，實驗結果表明該系統對手寫數字具有較高的識別率。 本文對手寫數字識別技術進行了研究和探討，采用基于 LMBP 神經網絡分類器的手寫數字識別方法。另外，使用形態(tài)學膨脹技術粗化細化后的字符，均勻化了字符筆畫，用做分類器的輸入。 《《《特別提醒》》》：正文內容由 PDF文件轉碼生成，如您電腦未有相應轉換碼，則無法顯示正文內容，請您下載相應軟件，下載地址為 。??4)=r宵 ?i?]j彺帖 B3锝檡骹 笪 yLrQ?0鯖 l壛枒 l壛枒 l壛枒 l 壛枒 l壛枒 l 壛枒 l壛枒 l 壛枒 l壛枒 l 壛枒 l壛枒 l 壛 渓 ?擗?? € 綫 G劌 K 芿 ${` ? ? ~??Wa 癳 $[Fb 癳 $[Fb 癳 $[Fb 癳 $[Fb 癳 $[Fb 癳 $[Fb 癳 $[Fb 癳 $[Fb癳 $[Fb 癳 $[Fb 癳 $[Fb 癳 $[Fb 癳 $[Fb 癳 $[Fb 癳 $[Fb 皗 E|?pDb 癳 $[Fb 癳 $[Fb 癳$[Fb 癳 $[Fb 癳 $[Fb 癳 $[Fb 癳 $[Fb 癳 $[Fb 癳 $[Fb 癳 $[Fb 癳 $[Fb 癳 $[Fb 癳 $[Fb癳 $[Fb 癳 $[F?責鯻 0 橔 C,f 薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵 秾腵薍秾腵 % ?秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍 G??螪 t俐 猻覎 ? 烰 :X=[勢 } ) [趯飥 ?媂 ^s 劂/ x?矓 w豒庘 q?唙 ?鄰爖媧 \ㄤ A|Q 趗擓 蒚 ?緱 ^ ~鱔嗷 P?笄 nf( 鱂匧 叺 9 就菹 $
公司管理相關推薦
鄂ICP備17016276號-1