交叉點的神經網絡識別及聯(lián)機手寫字符的概率神經網絡識別初探.pdf

1、人工神經網絡發(fā)展到今天,已有五十多年的歷史.在一代又一代學者的不懈努力下,不但理論基礎逐漸充實、成熟,而且在信號處理、計算機視覺、模式識別、專家系統(tǒng)、工業(yè)控制與氣象預測等許多領域有了廣泛的應用.神經網絡模式識別方法是近幾年興起的模式識別領域的一個新的研究方向.神經網絡模式識別系統(tǒng)的研究,無論對神經網絡理論的發(fā)展,還是對模式識別技術的實際應用,都有特別重要的意義.BP網絡是當前應用最廣泛的一種人工神經網絡.已被人們廣泛的應用于神經網絡模式

2、識別(特別是圖像及字符的識別)問題.Kohonen提出的自組織特征映射(Self-Organizing Feature Map)神經網絡(SOFM)因具有較強的拓撲組織能力和抗干擾能力,也廣泛于應用于神經網絡模式識別領域.在1960年末被提出的HM模型,已經被應用的連續(xù)的和演講者無關的自動演講識別中.近幾年它也開始被廣泛的應用于字符識別的工作中.該文的工作主要是以下兩個方面,都是側重于有關神經網絡的實際應用方面.1.交叉點的神經網絡識別

3、.提出了一種識別灰度圖像中交叉點的神經網絡方法.用自組織特征映射網絡和BP網絡組成多分類器,識別圖像中的二交叉點、三交叉點和四交叉點.在加入8﹪的干擾時,仍能達到85﹪左右的識別率.2.概率神經網絡用于聯(lián)機手寫字符的識別.由于計算機技術的高速發(fā)展,人們可以快速處理大量的數(shù)據(jù),但數(shù)據(jù)的輸入速度遠遠低于數(shù)據(jù)處理的速度,這大大妨礙了人們對計算機的使用.而且用鍵盤作為輸入會打斷正在進行的思維.所以研究一種方便的手寫輸入方法是很有必要的.到現(xiàn)在,

4、單字符手寫體識別,尤其是數(shù)字識別率接近95﹪,但對于連續(xù)的字符書寫,尤其是有數(shù)學符號的情況下,由于聯(lián)機手寫的隨意性比較大,寫作不規(guī)范,還沒有一個成熟的產品.該文應用HMM概率模型和神經網絡結合,對聯(lián)機手寫數(shù)字和數(shù)學符號進行識別.對概率神經網絡模型應用于聯(lián)機手寫識別進行了有益的探索.與其他學者的一些工作相比,該文側重于對使用概率神經網絡的方法對聯(lián)機手寫進行識別,既利用了神經網絡優(yōu)異的分類性能,又避免了一般的神經網絡實時性差的弱點.由于特征