基于BP神经网络集成的手写体数字识别（可复制论文）.pdf

基于神经网络集成的手写体数字识别摘要在模式识别领域,多年来的实践表明:对一个复杂的识别分类问题,单一的方法难以获得令人满意的识别性能,同时不同的分类方法之间往往存在着互补性,把多个分类器集成可以明显提高识别率。因此多分类器集成方法近年来已成为研究者们关注的一个热点。本文建立了一个集成型神经网络手写体数字识别系统,系统主要由两部分构成,即:学习部分和识别部分。学习部分主要完成七个神经网络的学习训练,识别部分由特征提取和集成型神经网络识别构成。在整个系统的实现过程中,本文的主要工作有以下几个方面:迪至撕旯郏植亢臀⒐廴霾愦蔚奶卣魈崛。直鹩τ糜谄个不同的神经网络分类器缘ジ龇掷嗥鳎L岣咄绲氖樟菜俣群捅苊馔缂俦ズ拖象,对传统的神经网络作了一些改进,例如修改学习因子,修改函数,改进最优梯度法,引进最优步长等。诩伤惴ㄖ校疚奶岢隽嘶谂芯隹煽慷裙兰频淖钣畔咝约成算法。该方法的思想是:先根据分类器对每个样本的判决可靠度,把训练样本分为若干个区域,在不同的区域里使用最优线性集成方法训练出多组权值向量。在测试时,同样求出某一测试样本的判决可靠度,根据该样本的判可靠度所在的区域得出相应的权值,再使用该权值进行组合识别。本文对七个神经网络的结果采用多种算法进行组合,用实验证明基于各类别置信度的最优线性集成算法是最优的。本文建立的集成型神经网络手写体数字识别系统,综合使用了多种模式识别方法,全面反应了手写体数字各个方面的特征,试验结果表明该系统提高了手写体数字识别的精度,还有很多地方值得深入研究下去。关键词:算法、神经网络、手写体数字识别、特征提取、最优线性集成、置信度硕士论文.:
知识水坝***@pologoogle为您整理
嘶盒,,簊:祝甌、砸锄—,,.,,矗仃琲甀硕士论文基于神经网络集成的手写体数字识别.::
知识水坝***@pologoogle为您整理
咖缸锄蹴鰉鷖西遚、、、鎐
缢绉本人签名:逖遮丝戏浅实本人声明所呈交的论文是本人在导师指导下进行的研究工作及取得的研究成果。尽我所知,除了文中特别加以标注和致谢中所罗列的内容以外,论文中不保密论文注释:本学位论文属于保密在一年解密后适用本授权书。非保密论独创性虼葱滦声明包含其他人已经发表或撰写过的研究成果,也不包含为获得北京邮电大学或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。申请学位论文与资料若有不实之处,本人签名:本人承担一切相关责任。日期:关于论文使用授权的说明学位论文作者完全了解北京邮电大学有关保留和使用学位论文的规定,即:研究生在校攻读学位期间论文工作的知识产权单位属北京邮电大学。学校有权保留并向国家有关部门或机构送交论文的复印件和磁盘,允许学位论文被查阅和借阅;学校可以公布学位论文的全部或部分内容,可以允许采用影印、缩印或其它复制手段保存、汇编学位论文。C艿难宦畚脑诮饷芎笞袷卮斯娑文注释:本学位论文不属于保密范围,适用本授权书。导师签名:
第一章绪论进行实现的特点,可以用于解决这一问题。由岢龅亩嗖闱袄∩窬闯题的提出手写体数字识别在邮政编码自动识别,银行业务方面有重要的应用,由于字体变化大,对识别率要求高,因此有较大的困难。神经网络具有学习能力和快速络模型,由于采用误差反传的学习算法,被称为网络。另一方面,不同的特征空间往往反映事物不同方面,在一重特征空间很难分辨的两种模式可能在另一重特征空间上很容易分开;而对应于同一特征空间的不同分类器又以不同的方式将该种特征映射到相应的类别空间。因此不同的特征和分类器能够更全面的反映出一个事物。罅康氖笛橐脖砻鳎」苣骋恢址椒的总体性能最好,但是这种方法误识的样本其他方法却能够正确识别出。也就是说,不同的识别方法对于待识别样本可能存在互补信息。我们就要挖掘出这些互补信息,把多个分类器有机的组合起来提高总体识别性能。模式识别系统设计的最终目的是为了尽可能的达到最好的识别性能,这一目的推动了模式识别各方面的发展,使大量学者投入到集成型分类器的研究工作中。手写体数字识别的发展历史模式识别是六十年代初迅速发展起来的一门学科。由于它研究的是如何用机器来实现人澳承┒锒允挛锏难啊⑹侗鸷团卸夏芰Γ蚨艿搅撕芏嗫萍领域研究人员的注意,成为人工智能研究的一个重要方面。字符识别是模式识别的一个传统研究领域。从年代开始,许多的研究者就在这一研究领域开展了广泛的探索并为模式识别的发展产生了积极的影响。字符识别一般可以分为两类:;中醋址侗穑光学字符识别或称离线字符识别。在联机手写字符识别中,计算机能够通过与计算机相连的手写输入设备获得输入字符笔划的顺序、笔划的方向以及字符的形状韵喽設来说它更容易识别一些。但联机字符识别有一