学位论文 > 优秀研究生学位论文题录展示

基于粒子群神经网络的手写数字模糊识别

作　者: 王永亮
导　师: 高丙坤
学　校: 大庆石油学院
专　业: 油气信息与控制工程
关键词: 手写数字特征提取神经网络粒子群模糊识别
分类号: TP391.41
类　型: 硕士论文
年　份: 2009年
下　载: 203次
引　用: 1次
阅　读: 论文下载

内容摘要

多年来,手写体数字识别一直是模式识别研究的热点之一,手写体数字识别在特定的环境下应用广泛,如邮政编码自动识别系统,税表和银行支票自动处理系统等。数字的类别虽然只有十种,笔划又简单,其识别问题似乎不是很困难。但由于识别的关键技术没有解决,因此,目前的识别系统仍难达到很高的识别精度。本文以手写数字为研究对象,首先对手写数字进行了图像的灰度化、二值化、去噪、倾斜度调整、归一化、细化等预处理工作,进行了基于统计特征的局部傅立叶变换和小波变换、Radon变换、Legendre矩特征、笔道密度函数提取和基于结构特征的微观结构特征抽取法相结合的方法提取了供算法训练的特征向量。在算法实现上,应用具有良好的容错能力、分类能力强、并行处理和自学习能力的人工神经网络,通过改进传输函数和调节学习率并对神经网络进行加噪训练,得到易于收敛的稳定网络,为了克服手写数字识别中神经网络训练算法存在网络易于陷入局部极小值的问题,本文提出采用自适应惯性权值的粒子群优化算法训练神经网络,即利用粒子更新迭代训练神经网络最优的权值和阈值,其中对粒子更新的惯性权值进行了自适应性的改进,最后用模糊识别进行手写数字的识别输出。本文搭建了一个二级神经网络用于手写数字识别,在Matlab7.0环境下进行仿真实验。通过与改进传输函数和调节学习率并加噪处理的神经网络、仅用粒子群优化神经网络两种手写数字识别算法比较,结果表明:粒子群神经网络的手写数字模糊识别算法能有效地优化神经网络,避免网络出现“早熟”现象,大大提高了网络训练精度,网络对手写数字的识别正确率明显提高。

基于粒子群神经网络的手写数字模糊识别

内容摘要

全文目录

相似论文