学位论文 > 优秀研究生学位论文题录展示

贝叶斯网络在手写数字识别中的应用与研究

作　者: 张艳芳
导　师: 赵文清
学　校: 华北电力大学
专　业: 计算机应用技术
关键词: 贝叶斯网络手写数字识别关联规则结构学习参数学习
分类号: TP391.41
类　型: 硕士论文
年　份: 2011年
下　载: 77次
引　用: 1次
阅　读: 论文下载

内容摘要

手写数字识别在很多领域具有广泛的应用前景,国内外学者对此做了大量的研究工作,提出了很多预处理和模式识别的算法,大大提高了手写数字的识别精度。但到目前为止,手写数字识别精度还有待提高。贝叶斯网络由于具有图形化的模型表示形式、局部以及分布式的学习机制、直观的推理;所以比较适用于分析和表达不确定性和概率性的事物;对于不完全、不精确或不确定的知识和信息能够做出有效的推理,而且是目前推理领域最有效的一个模型。为了提高手写数字识别的精度,本文将贝叶斯网络和关联规则应用于手写数字识别中,提出了一种贝叶斯网络的手写数字识别模型。该模型是首先通过使用二值化、细化、归一化等预处理方法,特征提取利用粗网格特征提取方法来得出特征值;通过网络质量衡量标准来衡量贝叶斯建网方法的实用性,选择出质量比较高的建网方法;然后,使用基于关联规则的贝叶斯网络分类器相关算法来区分手写数字;最后,通过对试验结果的分析,通过数据集的训练及测试,进行试验结果分析和讨论。因为关联规则分类器具有不确定性,但是贝叶斯网络可以克服这一缺点,所以用关联规则来指导学习贝叶斯网络会提高贝叶斯网络分类器的分类效率。实验数据表明,使用该方法建立的贝叶斯网络分类模型具有较强的分类能力,是一种有效实用识别模型。

全文目录

摘要  5-6
Abstract  6-9
第1章绪论  9-14
  1.1 研究背景与意义  9-10
  1.2 手写数字识别的一般方法  10-12
  1.3 传统识别方式的优劣  12
  1.4 本文主要研究内容  12-14
第2章贝叶斯网络  14-29
  2.1 贝叶斯网络的表示  14-16
  2.2 贝叶斯网络的模型与构成  16-17
  2.3 贝叶斯网络的学习  17-21
    2.3.1 贝叶斯网络的参数学习  17-18
    2.3.2 贝叶斯网络的结构学习  18-21
  2.4 贝叶斯网络构建的经典算法  21-26
    2.4.1 K2 算法  21-23
    2.4.2 爬山算法  23-25
    2.4.3 重复爬山算法  25
    2.4.4 TAN  25-26
  2.5 网络质量衡量标准  26-27
  2.6 实验结果  27-28
  2.7 本章小结  28-29
第3章手写数字特征的提取  29-36
  3.1 预处理  29-32
    3.1.1 图像增强  29-30
    3.1.2 二值化  30-31
    3.1.3 细化  31
    3.1.4 归一化  31-32
  3.2 特征提取  32-33
    3.2.1 手写体数字特征提取方法  33
    3.2.2 粗网格特征  33
  3.3 实验结果  33-34
  3.4 本章小结  34-36
第4章关联规则分类器  36-42
  4.1 关联规则的基本概念  36
  4.2 与分类相关的关联规则  36-37
  4.3 与分类相关的关联规则挖掘的算法  37-38
  4.4 实验结果  38-41
  4.5 本章小结  41-42
第5章贝叶斯网络分类器在手写数字识别中的应用  42-47
  5.1 WEKA 平台  42
  5.2 设计目标  42-43
  5.3 实验过程及结论  43-45
    5.3.1 贝叶斯网络结构的构建  43
    5.3.2 特征值提取  43-45
    5.3.3 实验结果  45
    5.3.4 实验分析  45
  5.4 本章小结  45-47
第6章结论与展望  47-49
参考文献  49-52
攻读硕士学位期间发表的论文及其它成果  52-53
致谢  53-54
作者简历  54-55
论文摘要  55-72

贝叶斯网络在手写数字识别中的应用与研究

内容摘要

全文目录

相似论文