论文部分内容阅读
随着科学技术的快速发展,计算机处理速度越来越快,用计算机解决现实生活中的问题是一个热点的研究方向。由于手写体数字识别技术无论是在科学研究还是日常生活中,都具有重要的理论意义和广泛的应用前景,是模式识别中的一个较为重要的研究方向,涉及到模式识别领域中的许多经典问题,如特征提取、分类器设计以及样本集的选择等等,如何提高识别正确率及其效率也是学者们科研的目标。人工神经网络因其所具有的并行计算能力、容错能力、自学习能力和分类识别能力,其在模式识别领域得到了充分的重视和利用。本文采用人工神经网络算法设计分类器,建立识别系统。我们首先对取得的样本进行去平滑噪、二值化、细化、和归一化等预处理,然后提取其像素特征,采用主成分分析法进行降维,以减少训练样本的时间,最后通过分类器对提取的样本特征进行处理识别分类。本文通过采用BP神经网络、径向基神经网络和概率神经网络等几种神经网络算法,建立神经网络分类器,进行识别分类,就各个分类器的识别效果作了详细的比较和分析。最后,对本文作了相关总结,并提出了以后研究重点和方向。