【正文】 正是田老師的無私幫助與熱忱鼓勵(lì)，我的畢業(yè)論文才能夠得以順利完成，謝謝田老師！還要感謝四年的各位授課老師，感謝我的家人和那些永遠(yuǎn)也不能忘記的朋友，他們的支持與情感，是我永遠(yuǎn)的財(cái)富，最后深深的感謝我的母校！附 錄1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 T= 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 00 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 00 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 00 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 00 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 00 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 00 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 00 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 00 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 00 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 00 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 00 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 00 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1。她為人隨和熱情，治學(xué)嚴(yán)謹(jǐn)細(xì)心。在論文的寫作過程中，有很多困難，無論是在理論學(xué)習(xí)階段，還是在論文的選題、資料查詢、開題、研究和撰寫的每一個(gè)環(huán)節(jié)，無不得到導(dǎo)師的悉心指導(dǎo)和幫助。包裝工程，2008,22（3）：2223[32] 王三明. 基于人工神經(jīng)網(wǎng)絡(luò)理論的系統(tǒng)安全評(píng)價(jià)[J]. 工業(yè)安全與環(huán)保，2001,27(5):1718致 謝感謝我的導(dǎo)師田偉老師一直以來對(duì)我孜孜不倦的教導(dǎo)和幫助。[26] [D].廣東：廣東工業(yè)大學(xué)信號(hào)與信息處理系，2009[27] 顧妍午, 李平, 陶文華, 田紹寬. 基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的手寫郵政編碼識(shí)別[J]. 遼寧油化工大學(xué)學(xué)報(bào), 2008 (1)[28] [J]. 電腦知識(shí)與技術(shù), 2009. 5[29] [J].江南大學(xué)自然學(xué)報(bào)，2004，3（1）：103110[30] 劉浩,[J]。 Hong Wang. A direct adaptive neuralnetwork control for unknown nonlinear systems and its application[J]. Proceedings of the IEEE,2002,9（1）:2734[25] 李士勇．模糊控制[9] 鄔長福. 道路交通安全評(píng)價(jià)方法的探討[J]. 浙江交通職業(yè)技術(shù)學(xué)院學(xué)報(bào),2004,26(5)1112[10] [D].北京：北京郵電大學(xué)信息與信號(hào)處理，2007[11] 梁娟，[J].計(jì)算機(jī)時(shí)代，2007，4（1）：3638[12] 李望晨,張池平. 改進(jìn)BP神經(jīng)網(wǎng)絡(luò)在手寫數(shù)字識(shí)別中的性能研究 [J].信息技術(shù)與信息化,2006,5：104106[13] ,周宗桂. 基于MATLAB的BP網(wǎng)絡(luò)在礦產(chǎn)資源預(yù)測(cè)中的應(yīng)用[J].金屬礦山,2007,8:5557[14] 劉曉升,[J].蘇州大學(xué)學(xué)報(bào),2003,3（1）:36[15] 劉直芳，王云瓊等．?dāng)?shù)字圖像處理與分析[M]．清華大學(xué)出版社，2006,9:1203[16] [J].中國科技信息，2008，24（5）：7980[17] 王慧琴．?dāng)?shù)字圖像處理[M]．北京：北京郵電大學(xué)出版社，2006:205215[18] [D].武漢:武漢理工大學(xué)計(jì)算機(jī)系，2007[19] 陳陽. 利用MATLAB進(jìn)行數(shù)字圖像的邊緣檢測(cè)算法研究[J]. 科技信息(科學(xué)教研), 2008 (21)[20] [D].武漢：武漢科技大學(xué)計(jì)算機(jī)系，2005[21] 朱大奇,[M].北京：科學(xué)出版社2006,3：145160[22] 馬銳21世紀(jì)重點(diǎn)大學(xué)規(guī)劃教材?人工神經(jīng)網(wǎng)絡(luò)原理 [M] 北京：機(jī)械工業(yè)出版社2010[23] 謝麗娟，丁正生，[J].信息化縱橫，2009，（3）：6870,74[24] Noriega, ,但是在多元化的今天，神經(jīng)網(wǎng)絡(luò)技術(shù)將和遺傳算法，小波變換，智能技術(shù)相結(jié)合完善識(shí)別這一科學(xué)領(lǐng)域。（4）建立一個(gè)世界范圍內(nèi)的同一的字母數(shù)據(jù)庫來進(jìn)行BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練最好的對(duì)權(quán)值進(jìn)行優(yōu)化。（2）采用多層次的網(wǎng)絡(luò)系統(tǒng)用于字符的識(shí)別提高字符的識(shí)別率。這一研究方法隨著科學(xué)技術(shù)的發(fā)展勢(shì)必會(huì)進(jìn)入一個(gè)嶄新的階段。因?yàn)閱我坏念A(yù)處理和特征提取都具有各自的局限性和缺點(diǎn)無法達(dá)到理想的效果。由于本文的訓(xùn)練樣本有限能夠達(dá)到這樣的識(shí)別率已算是成功的。（3）系統(tǒng)參數(shù)的設(shè)置也決定了實(shí)驗(yàn)結(jié)果的趨近值，比如好的系統(tǒng)參數(shù)的設(shè)置決定了最終的識(shí)別率可達(dá)85%左右。 實(shí)驗(yàn)結(jié)果分析（1）隱含層節(jié)點(diǎn)數(shù)的選擇要合理，決定了系統(tǒng)能否完成所設(shè)定的期望誤差。（a）、40(b)對(duì)系統(tǒng)誤差曲線：圖（a）圖（b）因此隱含層節(jié)點(diǎn)數(shù)的選擇非常的重要。1144個(gè)圖像分4次進(jìn)行識(shí)別鑒定，每次鑒定286個(gè)字母。由于不同人的書寫風(fēng)格不盡相同即使是同一人不同時(shí)間段的書寫形式也有差異在做實(shí)驗(yàn)是我們選取22個(gè)人在不同的時(shí)間段分別寫了4遍26個(gè)字母（2288個(gè)字母圖像），這樣就建立了一個(gè)盡量包含各種形式的手寫字母數(shù)據(jù)庫目的就是多樣的數(shù)據(jù)庫使得權(quán)值最優(yōu)化。網(wǎng)絡(luò)訓(xùn)練結(jié)束可以進(jìn)行識(shí)別. 實(shí)驗(yàn)設(shè)計(jì) 實(shí)驗(yàn)參數(shù)基于BP神經(jīng)網(wǎng)絡(luò)的手寫字母識(shí)別為了達(dá)到所期望的實(shí)驗(yàn)結(jié)果使得本文的實(shí)驗(yàn)程序有著現(xiàn)實(shí)意義，本文設(shè)定了一系列的試驗(yàn)參數(shù)只有在達(dá)到本文所設(shè)定的預(yù)期試驗(yàn)參數(shù)實(shí)驗(yàn)才算成功。(3)分別計(jì)算神經(jīng)網(wǎng)絡(luò)隱含層的輸出hh2……h(huán)L和BP神經(jīng)網(wǎng)絡(luò)的實(shí)際輸出Y0,Y1，…Y25（4）準(zhǔn)確計(jì)算實(shí)際與期望輸出間的誤差： (k=0，l，2，…，M1) ()隱含層的誤差： (j=0 、1……L1) （）(5)利用學(xué)習(xí)速率修正隱含層和輸出層的權(quán)值： （） （）（6）返回（2），用大量樣本反復(fù)訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)，多次迭代，直到網(wǎng)絡(luò)中的權(quán)值趨于穩(wěn)定。適的，若訓(xùn)練過程中的均方誤差出現(xiàn)平坦化甚至說是震蕩現(xiàn)象，則說明學(xué)習(xí)速率選的比較大。本文在選取學(xué)習(xí)速率是，一般要選取幾個(gè)不同的學(xué)習(xí)速率進(jìn)行訓(xùn)練，通過觀察訓(xùn)練后的均方誤差值的下降速率來來決定學(xué)習(xí)速率的大小。學(xué)習(xí)速率太大會(huì)導(dǎo)致系統(tǒng)不穩(wěn)定，學(xué)習(xí)速率太小將導(dǎo)致訓(xùn)練時(shí)間延長使的收斂很慢，但是可以保證網(wǎng)絡(luò)的誤差值跳不出誤差范圍，使的訓(xùn)練結(jié)果趨于最小誤差值。本文采用了式（）來確定隱含層的節(jié)點(diǎn)數(shù)為40（其中c取7）,并加以訓(xùn)練結(jié)果識(shí)別率達(dá)到期望的結(jié)果，因此最終確定為40.各層節(jié)點(diǎn)確定之后就確定了本文采用的BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，：像素百分比粗網(wǎng)格特征矩陣變換筆畫密度外輪廓特征重心特征.........X1X2XnW12W21W1nY1Yn輸入層隱含層輸出層 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖 BP神經(jīng)網(wǎng)絡(luò)的參數(shù)設(shè)計(jì)和訓(xùn)練過程[17]BP神經(jīng)網(wǎng)絡(luò)的參數(shù)設(shè)置直接影響到最后的識(shí)別結(jié)果決定著網(wǎng)絡(luò)設(shè)計(jì)的好壞，有著重要的意思。 （）m：輸入節(jié)點(diǎn)數(shù)；n：輸出節(jié)點(diǎn)數(shù)；c：介于1～10的常數(shù)。）中時(shí)，則該節(jié)點(diǎn)可刪除。 在此基礎(chǔ)上本文有提出了一種隱含層節(jié)點(diǎn)的解決方法：利用逐步回歸分析法結(jié)合參數(shù)的顯著性檢驗(yàn)來刪除部分線形相關(guān)的隱含層節(jié)點(diǎn)，節(jié)點(diǎn)刪除的標(biāo)準(zhǔn)是：當(dāng)上一層節(jié)點(diǎn)指向的下一層節(jié)點(diǎn)的所有權(quán)值均落在了死區(qū)（通常取177。常用的方法有：復(fù)雜性調(diào)整方法、靈敏度計(jì)算方法、互相作用的修剪方法、增益方法。（2）進(jìn)化方法該方法結(jié)合了生物進(jìn)化的原理稱為遺傳算法(GAGenetic Algorithm)，具有全局搜索的能力，對(duì)BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的優(yōu)化和調(diào)整有著顯著的作用。（1）增長方法在開始的時(shí)候構(gòu)造一個(gè)小規(guī)模的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，在訓(xùn)練的時(shí)候，結(jié)合具體實(shí)際問題，針對(duì)網(wǎng)絡(luò)性能要求的提高逐步來增加隱含層的節(jié)點(diǎn)數(shù)，直到滿足所要求的誤差。如果隱含層節(jié)點(diǎn)數(shù)過少的話，可能導(dǎo)致網(wǎng)絡(luò)不能進(jìn)行訓(xùn)練或?qū)е戮W(wǎng)絡(luò)性能變差；如果隱層節(jié)點(diǎn)數(shù)過多，雖然能夠使的神經(jīng)網(wǎng)絡(luò)的整體系統(tǒng)誤差降低，但它不僅延長了神經(jīng)網(wǎng)絡(luò)訓(xùn)練時(shí)間，且容易在訓(xùn)練過程中陷入局部極小值點(diǎn)而無法得到最優(yōu)點(diǎn)，甚至不能收斂，網(wǎng)絡(luò)的容錯(cuò)能力差，往往使得其反，這也是訓(xùn)練時(shí)網(wǎng)絡(luò)出現(xiàn)“過擬合的原因。保證輸出結(jié)果的可靠性，指定位置輸出為1其余位置為0，我們期望的輸出形式見附錄。本文是對(duì)26個(gè)英文字母進(jìn)行識(shí)別所以確定輸出層的節(jié)點(diǎn)數(shù)就是26個(gè)。在本系統(tǒng)中輸入層的節(jié)點(diǎn)數(shù)就是提取的特征向量的個(gè)數(shù)。所以要想確定輸入層節(jié)點(diǎn)的個(gè)數(shù)就必須確定要輸入的有效數(shù)據(jù)的個(gè)數(shù)。確定輸入層的節(jié)點(diǎn)數(shù)就不需要確定數(shù)據(jù)源的維數(shù)這是因?yàn)檩斎雽拥墓?jié)點(diǎn)數(shù)就是就是輸入數(shù)據(jù)的個(gè)數(shù)。此時(shí)經(jīng)過訓(xùn)練的神經(jīng)網(wǎng)絡(luò)對(duì)類似樣本的輸入信息，自行處理輸出誤差最小的經(jīng)過非線形轉(zhuǎn)換的信息。單層的前饋神經(jīng)網(wǎng)絡(luò)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(luò)必須是具有隱含層（一層或多層）的多層網(wǎng)絡(luò)?！。[含層只有一層）前饋網(wǎng)絡(luò)，通常稱為三層前向反饋神經(jīng)網(wǎng)絡(luò)，即：輸入層、中間層、隱含層及輸出層。一般情況下，網(wǎng)絡(luò)中所含的神經(jīng)元的個(gè)數(shù)與其能記憶、識(shí)別的模式是成正比的。這說明網(wǎng)絡(luò)對(duì)這兩個(gè)模式的學(xué)習(xí)是成功的自學(xué)習(xí)后BP神經(jīng)網(wǎng)絡(luò)自身已將這兩個(gè)模式分布地記憶在網(wǎng)絡(luò)的各個(gè)連接權(quán)值上。如果輸出為“1”(結(jié)果錯(cuò)誤)，則把網(wǎng)絡(luò)的權(quán)值朝著減小綜合輸入加權(quán)值的方向進(jìn)行調(diào)整，其目是使網(wǎng)絡(luò)下次再遇到“A”的模式輸入時(shí)，減小犯錯(cuò)誤的可能性。這樣網(wǎng)絡(luò)輸出值為“1”和“0”。網(wǎng)絡(luò)學(xué)習(xí)的基本準(zhǔn)則：如果網(wǎng)絡(luò)作出了一個(gè)錯(cuò)誤的的判決，則通過BP神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)能力，使得BP神經(jīng)網(wǎng)絡(luò)減少下次識(shí)別時(shí)犯同樣錯(cuò)誤的可能性。人工神經(jīng)網(wǎng)絡(luò)必須要以一定的學(xué)習(xí)準(zhǔn)則來進(jìn)行學(xué)習(xí)，然后才能運(yùn)用于實(shí)踐。這是一非線性系統(tǒng)，其優(yōu)點(diǎn)是信息分