论文部分内容阅读
计算智能是一种新兴的计算方法,具有智能性、并行性,自适应性等优点,它的出现为复杂问题的求解提供了新的解决途径。本文重点讨论了两种新颖的智能优化算法——粒子群优化算法和人工免疫算法,提出这两种算法训练神经网络的模型,并应用于脱机手写体汉字识别当中,最后对两种算法进行了比较。主要工作如下:(1)在手写体汉字识别一般性问题的探讨基础上,基于汉字笔画方向的特征提出了一种适应汉字特点的特征提取方法,主要包括汉字图像预处理、细化、均匀分割、提取四方向特征等过程,这种特征提取方法同时包含汉字的笔画数量信息和分布的位置信息,为提高了汉字的识别率和验证算法有效性提供了可靠的保障。(2)为克服传统BP神经网络的训练算法存在训练速度慢、易于陷入局部极小等缺点,提出采用PSO优化算法训练神经网络权值,在对粒子群优化算法中的重要参数进行了分析和改进之后,建立了基于改进的粒子群算法的神经网络模型。试验结果表明,采用改进的粒子群优化算法训练网络速度快、精度高。(3)将免疫思想引入到手写体汉字识别系统中,即针对目标问题,确立了免疫系统的所有元素,并将遗传算法中的变异算子引入免疫系统中,定义相关的数学表达,设计了基于人工免疫算法的神经网络模型,在手写体汉字识别中效果显著。此外,对粒子群优化算法和人工免疫算法同传统BP算法进行了比较分析,表明了计算智能方法应用于神经网络权值训练在速度和精度上都优于传统训练算法。