论文部分内容阅读
汉字是中华民族文明的象征,有着上千年的历史,作为我们日常使用的语言文字,其数量巨大、结构复杂、相似字较多,因此用计算机识别手写体汉字体现了模式识别的最高水平。汉字识别在办公自动化、机器翻译、新闻出版等很多方面都有广泛的应用。神经网络是一种模拟生物神经系统的信息处理模型,所具有的并行处理、自适应学习等特性使得神经网络在脱机手写体汉字识别这种大规模的模式识别问题上表现出很大的潜力,因此研究脱机手写体汉字识别的神经网络,具有一定的理论和实用价值。脱机手写体汉字识别是汉字识别中最难的一类问题,其识别的流程大致要经过预处理、特征提取、分类、后处理等几个主要步骤。预处理主要是对经扫描而成的脱机手写体汉字的图像进行去噪、细化、二值化、规范化等处理工作。特征提取主要是提取手写体汉字中较为稳定且能反映汉字形状的基本特征作为识别的重要依据,其中模糊方向线素法是广泛采用的一种提取汉字特征的方法。分类是脱机手写体汉字识别中的关键,常用的分类器有基于距离的分类器、神经网络分类器和支持向量机分类器。后处理的主要任务是利用上下文进行纠错,以进一步提高系统的识别率。球领域模型,即MP 神经元的几何意义,是一种将神经网络的训练转化为N+1 维超球面上的点集覆盖问题的神经网络模型。文中通过对神经网络分界面以及原神经网络算法的分析,提出一种基于球领域模型的改进的神经网络算法。此外单个的神经网络,其识别、分类的能力毕竟有限,因此可以考虑多个神经网络的组合,这就是神经网络集成。神经网络集成是通过训练多个个体网络并将其结果进行合成,来实现其功能的,它可以更进一步地提高系统的泛化能力。本文还给出了基于上述改进算法的集成方法。已有的实验结果表明改进的神经网络算法及其集成方法用于脱机手写体汉字的识别,可以取得很好的识别效果。