基于BP神经网络的手写体数字识别

手写体数字识别是多年来的研究热点,也是字符识别中的一个特别问题。由于手写体数字字体变化很大,传统的识别方法很难达到高的识别率。针对传统的数字识别方法的复杂性和局限性,提出了一种基于BP神经网络的手写体数字的识别方法。该方法在提取手写体数字点特征、笔划密度特征基础上,利用改进的BP神经网络进行训练识别。经实验,识别率达94％。实验结果表明,该方法对手写体数字识别效果良好,不仅简化了传统识别的繁杂性,而且提高了识别的准确性。     

基于BP神经网络的手写体数字识别

手写体数字识别是多年来的研究热点,也是字符识别中的一个特别问题.由于手写体数字字体变化很大,传统的识别方法很难达到高的识别率.针对传统的数字识别方法的复杂性和局限性,提出了一种基于BP神经网络的手写体数字的识别方法.该方法在提取手写体数字点特征、笔划密度特征基础上,利用改进的BP神经网络进行训练识别.经实验,识别率达94%.实验结果表明,该方法对手写体数字识别效果良好,不仅简化了传统识别的繁杂性,而且提高了识别的准确性.     

基于小波和RBF神经网络的手写体数字识别

针对传统的手写体数字识别技术的局限性，本文提出了基于小波和RBF神经网络的手写体数字识别方法，即利用小波较强的去噪功能以及RBF神经网络学习快速、容错性较好等优点来解决手写体数字识别的问题。实验表明，该方法的识别正确率较高。     

基于结构特征分类BP网络的手写数字识别

手写体数字识别有着重大的使用价值,用多层BP网络来识别手写体数字是手写体数字识别的一大进步,但是,用单纯的BP网络来识别也存在识别精度不高等的问题。将BP网络技术和数字本身的结构特征结合起来,提出了一种基于结构特征分类BP网络的手写体数字识别新方法。首先提取点、环等数字特征值,并根据一些特征进行分类;然后再运用BP神经网络识别,以提高网络的识别能力;最后,选取了500个人的0~9的手写体数字,运用以上算法进行BP神经网络识别,用3000个手写体数字作为训练样本,2000个其他的样本进行测试,网络收敛后,识别率达到96%以上,比原来有一定的提高。     

基于结构特征分类BP网络的手写数字识别

手写体数字识别有着重大的使用价值，用多层BP网络来识别手写体数字是手写体数字识别的一大进步，但是，用单纯的BP网络来识别也存在识别精度不高等的问题。将BP网络技术和数字本身的结构特征结合起来，提出了一种基于结构特征分类BP网络的手写体数字识别新方法。首先提取点、环等数字特征值，并根据一些特征进行分类；然后再运用BP神经网络识别，以提高网络的识别能力；最后，选取了500个人的0～9的手写体数字，运用以上算法进行BP神经网络识别，用3000个手写体数字作为训练样本，2000个其他的样本进行测试，网络收敛后，识别率达到96％以上，比原来有一定的提高。     

基于SVM的手写体数字快速识别方法研究

手写体数字识别是图像处理与模式识别中具有较高实用价值的研究热点之一。在保证较高识别精度的前提下,为提高手写体数字的识别速度,提出了一种基于SVM的快速手写体数字识别方法。该方法通过各类别在特征空间中的可分性强度确定SVM最优核参数,快速训练出SVM分类器对手写体数字进行分类识别。由于可分性强度的计算是一个简单的迭代过程,所需时间远小于传统参数优化方法中训练相应SVM分类器所需时间,故参数确定时间被大大缩减,训练速度得到相应提高,从而加快了手写体数字的识别过程,同时保证了较好的分类准确率。通过对MNIST手写体数字库的实验验证,结果表明该算法是可行有效的。     

应用BP神经网络进行手写体字母数字识别

该文提出了一种采用BP神经网络方法来对无限制手写体字母、数字进行识别的方案。在选取合适的特征点的基础上,对手写体图像进行分域处理,每一小区域对应输入层的一个神经元。测试结果表明,该识别方案具有很强的抗畸变、抗旋转能力。     

组合结构特征的自由手写体数字识别算法研究

自由手写体因其书写风格差异大、上下文无关及识别准确度要求高等原因导致其识别难度大的问题。针对手写体数字识别的特点及要求,提出一种新的基于组合结构特征的自由手写体数字识别算法。通过扩展的字符结构特征识别算法自动、鲁棒地提取手写体数字字符端点、分叉点、横线等多种结构特征,并组合应用这些结构特征构造决策树完成手写体字符的自动识别。实验结果表明基于组合结构特征的自由手写体数字识别算法的鲁棒性和识别率明显优于传统方法。     

手写体数字识别中一种新的倾斜校正的方法

介绍了在手写体数字识别预处理过程中一种新的倾斜校正的方法，该方法利用手写数字的图像的高与宽的比值是否最大来确定倾斜校正是否完毕。在校正过程中，手写体数字的图像高度逐渐变高，宽度逐渐变窄，所以当图像的高与宽的比值最大的时候倾斜角度最小。     

手写体字符识别方法的探讨

手写体字符识别的一项重要应用是在邮政自动化系统中自动识别邮区编码.本文扼要介绍了应用于我国邮电部信函自动分拣系统中的手写体数字识别机,并对于识别顺序逻辑的设计方法问题进行分析.试图利用有限状态文法推断的一些结果来设计识别顺序逻辑,并考虑用不分明集(模糊集)的一些概念来进行信息压缩.     

手写体数字的识别

本文针对煤气储存罐体上高度的手写数字,由图象传感器获取十个数字手写体的图象信号进行数字识别,依据手写体字符“有效行”的特征提取,提出了并列的双BP神经网络的识别方法,对手写体数字的识别获得了较好的辨识效果。     

基于Windows平台的手写体数字识别系统的设计与实现

手写体数字识别系统用于数据信息的采集。系统需要有很高的识别精度和很快的识别速度。本文设计了一种快速高效的数字分类器（特征否决＋笔形肯定），讨论了手写体数字识别系统的关键技术和实现过程。系统也可用于其他分类器的演示，对研究手写体数字识别有一定的参考价值。     

一种基于骨架特征顺序编码的脱机手写体数字识别方法

本文提出了并实现了一种基于数字骨架顺序编码的脱机手写体识别方法,该方法利用绑架化等预处理操作得到手写体数字的骨架,然后对数字骨架进行跟踪,按顺序得到一系列曲线段,并以12种线型对这些曲线段进行拟合,从而得到一组数字骨架的顺序编码,最终利用这组顺序编码和样本训练生成的识别字典完成对数字的识别,本方法具有较高的识别可靠率,已在成绩单自动录入和识别系统中得到了成功的应用。     

BP算法在手写体汉字识别中的应用

介绍了人工神经网络的概念和原理，重点介绍和推导了BP算法。分析了手写体汉字识别存在的问题及应用的技术，并对利用BP算法进行手写体汉字识别进行了详细讨论，分析了在用BP算法进行手写体汉字识别时的具体步骤，最后介绍了对BP算法提出的改进方法。     

基于遗传BP算法的手写体识别

神经网络具有模拟人类的大脑活动、良好的自学习、自适应、联想记忆、并行处理和非线形转换的能力.本文阐述了BP神经网络基本原理以及BP网络手写体识别模型,研究分析了BP神经网络手写体识别模型的缺陷并提出了优化策略.在此基础上,提出一种基于改进结构的BP神经网络来实现手写体数字识别方案,除了改进BP网的结构外,还对网络学习算法进行了改进,采用了BP和GA相结合的算法,提高了网络的学习训练速度和识别效果.     

基于最近邻聚类算法自适应模糊分类器

以手写体数字识别问题为背景,提出了一种基于最近邻聚类算法的自适应模糊分类器,并用Matlab给出了自适应模糊分类器的实现,进而对其进行了仿真。仿真结果表明,所提出的自适应模糊分类器在手写体数字识别的识别性能、利用语言信息、计算复杂性等方面均优于采用BP算法的三层前馈分类器,体现了自适应模糊处理技术用于模式识别的优越性和潜力。     

基于表格查寻学习算法的自适应模糊分类器

以手写体数字识别问题为背景,提出了一种基于表格查寻学习算法的自适应模糊分类 器,并用Matlab给出了自适应模糊分类器的实现,进而对其进行了仿真。仿真结果表明,该自适应模 糊分类器在手写体数字识别的识别性能、利用语言信息、计算复杂性等方面均优于采用BP算法的三 层前馈分类器,体现了自适应模糊处理技术用于模式识别的优越性和潜力。     

自由手写体数字表格自动识别系统

自由手写体的识别是模式识别的一个重要课题,该文论述了一个面向具体应用领域的集数据表格的描扫、识别、数据自动入库为一体的软件系统,研究了数字的切分、快速识别等关键技术。采用了一种基于笔道方向的手写体数字识别的方法。     

连续手写体不规则数码识别的研究与设计

字符是人类信息交流的主要载体之一,手写体数字识别技术是多年来的研究热点问题,也是字符识别中的一个非常重要的类别。连续不规则手写体数码识别在一定的环境下应用十分广泛。对于数码识别要求有很高的识别可靠性。手写体数字识别除对识别精度的要求和可靠性外,还对识别速度、识别率等问题有一定的要求。     

基于神经网络的手写数字识别

本文提出了一种采用BP神经网络方法来对无限制手写体数字进行识别的方案。通过图像预处理和数字特征提取,基于神经网络的判别方法,并结合使用Matlab工具箱中提供的人工神经网络函数设计了一种手写数字识别的新方法。实验表明,该方法可以获得较好的识别率。