【正文】 另外，使用形態(tài)學(xué)膨脹技術(shù)粗化細(xì)化后的字符，均勻化了字符筆畫，用做分類器的輸入。因此手寫體數(shù) 字識別有著廣泛的應(yīng)用前景，對其進(jìn)行研究有著重要的現(xiàn)實(shí)意義。 分類識別器采用了 LMBP 神經(jīng)網(wǎng)絡(luò)。 本文對手寫數(shù)字識別技術(shù)進(jìn)行了研究和探討，采用基于 LMBP 神經(jīng)網(wǎng)絡(luò)分類器的手寫數(shù)字識別方法。對傳統(tǒng)的 BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練算法進(jìn)行了研究，采用綜合優(yōu)化訓(xùn)練算法，使用 LM 數(shù)值優(yōu)化算法進(jìn)行權(quán)值與閾值修正，并引入了自適應(yīng)調(diào)節(jié)參數(shù)，靈活地調(diào)節(jié)網(wǎng)絡(luò)訓(xùn)練方式。該識別方法以圖像預(yù)處理和一定的字符特征提取為基礎(chǔ)，采用結(jié)合了 LM數(shù)值優(yōu)化法的 BP 神經(jīng)網(wǎng)絡(luò)作為核心識別分類器，對點(diǎn)陣輸入向量進(jìn)行分類識別而確定出最后的識別結(jié)果。 識別 系統(tǒng)對美國郵政管理局（ USPS）手寫體數(shù)字圖像庫分別進(jìn)行了傳統(tǒng) BP 神經(jīng)網(wǎng)絡(luò)和 LMBP 神經(jīng)網(wǎng)絡(luò)測試實(shí)驗(yàn)，傳統(tǒng) BP 神經(jīng)網(wǎng)絡(luò)的最好識別率為 ％，LMBP 神經(jīng)網(wǎng)絡(luò)的識別率達(dá)到了 ％，實(shí)驗(yàn)結(jié)果表明該系統(tǒng)對手寫數(shù)字具有較高的識別率。 在預(yù)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(diǎn)特征提取法，結(jié)合 DDA 算法，形成了一種能連接多種折線型斷筆的新方法。 識別系統(tǒng)對美國郵政管理局（ USPS）手寫體數(shù)字圖像庫分別進(jìn)行了傳統(tǒng) BP 神經(jīng)網(wǎng)絡(luò)和 LMBP 神經(jīng)網(wǎng)絡(luò)測試實(shí)驗(yàn)，傳統(tǒng) BP 神經(jīng)網(wǎng)絡(luò)的最好識別率為 ％，LMBP 神經(jīng)網(wǎng)絡(luò)的識別率達(dá)到了 ％，實(shí)驗(yàn)結(jié)果表明該系統(tǒng)對手寫數(shù)字具有較高的識別率。該識別方法以圖像預(yù)處理和一定的字符特征提取為基礎(chǔ)，采用結(jié)合了 LM數(shù)值優(yōu)化法的 BP 神經(jīng)網(wǎng)絡(luò)作為核心識別分類器，對點(diǎn)陣輸入向量進(jìn)行分類識別而確定出最后的識別結(jié)果。對傳統(tǒng)的 BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練算法進(jìn)行了研究，采用綜合優(yōu)化訓(xùn)練算法，使用 LM 數(shù)值優(yōu)化算法進(jìn)行權(quán)值與閾值修正，并引入了自適應(yīng)調(diào)節(jié)參數(shù)，靈活地調(diào)節(jié)網(wǎng)絡(luò)訓(xùn)練方式。 本文對手寫數(shù)字識別技術(shù)進(jìn)行了研究和探討，采用基于 LMBP 神經(jīng)網(wǎng)絡(luò)分類器的手寫數(shù)字識別方法。 分類識別器采用了 LMBP 神經(jīng)網(wǎng)絡(luò)。因此手寫體數(shù)字識別有著廣泛的應(yīng)用前景，對其進(jìn)行研究有著重要的現(xiàn)實(shí)意義。另外，使用形態(tài)學(xué)膨脹技術(shù)粗化細(xì)化后的字符，均勻化了字符筆畫，用做分類器的輸入。如還不能顯示，可以聯(lián)系 我 q q 1627550258 ，提供原格式文檔。因此手寫體數(shù)字識別有著廣泛的應(yīng)用前景，對其進(jìn)行研究有著重要的現(xiàn)實(shí)意義。 分類識別器采用了 LMBP 神經(jīng)網(wǎng)絡(luò)。 本文對手寫數(shù)字識別技術(shù)進(jìn)行了研究和探討，采用基于 LMBP 神經(jīng)網(wǎng)絡(luò)分類器的手寫數(shù)字識別方法。對傳統(tǒng)的 BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練算法進(jìn)行了研究，采用綜合優(yōu)化訓(xùn)練算法，使用 LM 數(shù)值優(yōu)化算法進(jìn)行權(quán)值與閾值修正，并引入了自適應(yīng)調(diào)節(jié)參數(shù)，靈活地調(diào)節(jié)網(wǎng)絡(luò)訓(xùn)練方式。該識別方法以圖像預(yù)處理和一定的字符特征提取為基礎(chǔ)，采用結(jié)合了 LM數(shù)值優(yōu)化法的 BP 神經(jīng)網(wǎng)絡(luò)作為核心識別分類器，對點(diǎn)陣輸入向量進(jìn)行分類識別而確定出最后的識別結(jié)果。 識別系統(tǒng)對美國郵政管理局（ USPS）手寫體數(shù)字圖像庫分別進(jìn)行了傳統(tǒng) BP 神經(jīng)網(wǎng)絡(luò)和 LMBP 神經(jīng)網(wǎng)絡(luò)測試實(shí)驗(yàn)，傳統(tǒng) BP 神經(jīng)網(wǎng)絡(luò)的最好識別率為 ％，LMBP 神經(jīng)網(wǎng)絡(luò)的識別率達(dá)到了 ％，實(shí)驗(yàn)結(jié)果表明該系統(tǒng)對手寫數(shù)字具有較高的識別率。 在預(yù)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(diǎn)特征提取法，結(jié)合 DDA 算法，形成了一種能連接多種折線型斷筆的新方法。信號與信息處理專業(yè)畢業(yè)論文 [精品論文 ] 一種基于 LMBP 神經(jīng)網(wǎng)絡(luò)的手寫體數(shù)字識別系統(tǒng) 關(guān)鍵詞：手寫數(shù)字 數(shù)字識別技術(shù) LMBP 神經(jīng)網(wǎng)絡(luò) 摘要：光學(xué)字符識別是 20世紀(jì) 20 年代逐步發(fā)展起來的一門自動化技術(shù)。該識別方法以圖像預(yù)處理和一定的字符特征提取為基礎(chǔ)，采用結(jié)合了 LM 數(shù)值優(yōu)化法的 BP神經(jīng)網(wǎng)絡(luò)作為核心識別分類器，對點(diǎn)陣輸入向量進(jìn)行分類識別而確定出