【正文】 本文在選取學習速率是，一般要選取幾個不同的學習速率進行訓練，通過觀察訓練后的均方誤差值的下降速率來來決定學習速率的大小。等區(qū)間）中時，則該節(jié)點可刪除。 （ 1）增長方法 在開始的時候構造一 個小規(guī)模的神經(jīng)網(wǎng)絡結構，在訓練的時候，結合具體實際問題，針對網(wǎng)絡性能要求的提高逐步來增加隱含層的節(jié)點數(shù)，直到滿足所要求的誤差。在本系統(tǒng)中輸入層的節(jié)點數(shù)就是提取的特征向量的個數(shù)。單層的前饋神經(jīng)網(wǎng)絡只能夠解覺線性可分問題，能夠解決非線性問題的 BP 神經(jīng)網(wǎng)絡必須是具有隱含層（一層或多層）的多層網(wǎng)絡。如果輸出為 “1”(結果錯誤 )，則把網(wǎng)絡的權值朝著減小綜合輸入加權值的方向進行調整，其目是使網(wǎng)絡下次再遇到 “A”的模式輸入時，減小犯錯誤的可能性。這是一非線性系統(tǒng)，其優(yōu)點是信息分布式存儲和并行協(xié)同處理。 （ 2）作用函數(shù)模型： 作用函數(shù)是反映下層輸入對上層節(jié)點刺激脈沖強度的函數(shù)又稱刺激函數(shù)，一般取為 (0,1)內連續(xù)取值 Sigmoid 函數(shù)： )1(1)(f e xx ??? （ ） （ 3）誤差計算模型 誤差計算模型是反映神經(jīng)網(wǎng)絡期望輸出與計算輸出之間誤差大小的一個函數(shù) ： ? ??? 2p )(21 otE pipi ； （ ） tpi為節(jié)點的期望輸出值； Opi為節(jié)點計算輸出值。下面通過人工神經(jīng)網(wǎng)絡與通用的計算機工作特點來對比一下： 濟南大學泉城學院畢業(yè)論文 20 若從速度的角度出發(fā)，人腦神經(jīng)元之間傳遞信息的速度要遠低于計算機，前者為毫秒量級，而后者的頻率往往可達幾百兆赫。數(shù)相對于數(shù)字計算機來說，人工神經(jīng)網(wǎng)更接近與人腦的功能，它不像計算機一樣按編輯好的程序一步一步來執(zhí)行運算操作，相對 于這種死板的運算人工神經(jīng)網(wǎng)絡能夠自身總結規(guī)律、適應環(huán)境完通過自身學習完成某種運算、識別或過程控制。這樣依次求得四個外邊框的外輪廓特征。例如， 對 82 32? 的樣本在水平方向上每隔 8 行掃描一次，提取了 4 個特征值，并在垂直方向上也每隔 4 行掃描一次，提取 4 個特征值，最后共形成 8 個值的特征向量。令反? m,n 表示點陣中第 m行，第 n 列象素。一般來說，雖然手寫數(shù)字的書寫方式千變萬化，但是數(shù)字筆劃的分布呈現(xiàn)出一定的規(guī)律變化。 本文特征提取設計 特征提取的原則是所選用的特征能過很好的反應字 母本身的特點，一般噪聲不會影響字母選取的的結構特征或者說較小的形變或噪聲在統(tǒng)計特征中的百分比很小。本文用到了結構特征中的外輪廓特征和筆畫特征以及重心特征。 濟南大學泉城學院畢業(yè)論文 13 3 字母特征提取 特征提取概述 特征提取 指的是使用計算機提取圖像信息，來決定每個圖像的點是否屬于一個圖像特征。因為在識別過程當中印刷體和手寫體對識別正確率有影響，不同的英文字體以及不同人的書寫形式都對識別的正確率產(chǎn)生重要的影響，但是每個英文字母的核心骨架是不會有很大的變化，這樣字符的細化處理可有效的消除這種不利的影響提高是別的正確率。 歸一化使得所有的圖像在識別之前都在同一個起跑線是 為了加快訓練網(wǎng)絡的收斂性，歸一化的具體作用是歸納統(tǒng)一樣本的統(tǒng)計分布性。它是由 Otsu 于 1979 年提出的一種基于判別式分析的方法。第二，要進行二值圖像的處理與分析，首先要把 0255 的灰度圖像進行二值化，得到二值化圖像。但是無法有效地去除噪聲，只能微弱的減弱噪聲。 （ 1）均值濾波：均值濾波是一種典型的線性濾波方式，它的工作原理是對于目標像素存在一個模板，在 這個模板中包括目標像素周圍的 8 個像素點，用著八個像素點的灰度平均值來代替目標像素點的灰度值。指出了影響正確識別率的幾個潛在的機理。 第一章前言當中介紹了手寫 體數(shù)字識別的研究背景與意義、現(xiàn)狀、手寫字母的四種實現(xiàn)方法，對識別系統(tǒng)性能的評價 第二章討論了手寫英文字母識別的預處理方法，包括圖像的去噪、二值、歸一化、細化。人工神經(jīng)網(wǎng)絡具備自學習和自適應能力，通過先前提供的大量的輸入數(shù)據(jù)，進行分析，掌握輸入輸出之間內在的規(guī)律，最終利用這些規(guī)律，利用提取得到的新數(shù)據(jù)來計算 輸出結果，這種學習分析的過程被稱為“訓練”。這個區(qū)域就可以用來表示該隨機向量實現(xiàn)的集合。在很多情況下，可以運用形式語言理論中的文法對模式的結構內容進行表示，有時也稱其為句法模式識別?！皥D像處理過程”并不要求 BP 識別成功地派上用場，例如， BP 神經(jīng)網(wǎng)絡系統(tǒng)將文件轉變成電子數(shù)字條目的能力，將有效地取代顯微膠片。 Pitts 通過分析、總結神經(jīng)元的特性的基礎上提出了神經(jīng)元的數(shù)學模型。 英文字符識別是模式識別的一個重要分支，也是文字識別領域比較困難的問題，它涉及模式識別、數(shù)字信號處理、圖像處理、人工智能、模糊數(shù)學、計算機、信息論、中文信息處理等諸多學科，是一門綜合性的技術。早期的設備與打孔處理器一起來使用，伴隨著計算機和識別系統(tǒng)精密程度的提高。 本文是在 matlab 環(huán)境下模擬整個英文字母的識別過程，隨著科學技術的 發(fā)展識別技術更加成熟，各種難 題都將會得到解決。 本文運用的是三層神經(jīng)網(wǎng)絡，輸入層、隱含層、輸出層。隱含層節(jié)點的確定本文給出了多種方法，本文運用了根值 的方法。 關鍵詞： 字母識別；圖像處理；特征提??； BP 神經(jīng)網(wǎng)絡濟南大學泉城學院畢業(yè)論文 II ABSTRACT Today the science and technology develop rapidly. Letter recognition technology based on the feedback neural work is applied in many aspects including publication, finance military, cash register, page views, and any with repeatability,and variability of data files . Letter Identification System include the following processes: preprocessing, feature extraction, BP neural work training,and recognition.. In this paper, we use a threelayer neural work, including input layer, hidden layer and output layer. This paper supply of a variety of methods to determine Hidden layer nodes . The root sign method and other proposed by the Nelson and Illingwnrth are applied . The features and advantages of Artificial neural work is reflected in three aspects : First, a selflearning function. When we recognize letters, only putting many different images and the corresponding results into the artificial neural work and forming a stable weight before the letter recognition,the work will be through selflearning function to slowly identify similar , with the association storage. Artificial neural work feedback work can achieve this association in the letter recognition. Third, finding the optimal solution with high capacity. Finding the optimal solution of a plex often require a large amount of a design that a feedback type artificial neural work for problem and playing the highspeed puting power of puter, you may quickly find the optimal solution. In the matlab environment this article simulate the entire process of letter recognition, with the development of science and technology recognition technology is more mature and have various problems will be solved. Keywords： Letter identification； image processing； feature extraction； the feedback neural work 濟南大學泉城學院畢業(yè)論文 III 目 錄 摘 要 ........................................................................................................... 1 ABSTRACT .......................................................................................................... II 1 前言 .................................................................................................................. 1 研究背景及意義 ..................................................................................... 1 研究現(xiàn)狀 ................................................................................................. 2 手寫字母識別方法 ................................................................................. 3 結構模式識別方法 .................................................................... 3 統(tǒng)計模式識別方法 .................................................................... 3 統(tǒng)計與結構相結合的識別方法 ................................................ 4 人工神經(jīng)網(wǎng)絡方法 .................................................................... 4 識別系統(tǒng)性能的評價 ............................................................................. 5 論文組織結構 ......................................................................................... 5 2 預處理 ................................................................................................................ 6 系統(tǒng)框架 ................................................................................................. 6 預處理概述 ............................................................................................. 6 本文預處理設計 ..................................................................................... 6 去噪 .......................