【摘 要】
：
本文在分析人工神经网络理论和图象处理及其特征提取理论的基础上，探讨了网络结构、特征编码、算法的实现、学习样本的收集、网络参数的选择及ＢＰ算法缺陷等问题，设计并实现了一种基于神经网络的字符识别系统。并针对ＢＰ算法的缺陷问题提出改进方法并得以实现，提出建立奇异样本特征库的方法使学习的效率大大的提高。实践证明采用改进型ＢＰ算法的三层前向无反馈神经网络进行手写字符识别是完全可行和实用的。
论文部分内容阅读
本文在分析人工神经网络理论和图象处理及其特征提取理论的基础上，探讨了网络结构、特征编码、算法的实现、学习样本的收集、网络参数的选择及ＢＰ算法缺陷等问题，设计并实现了一种基于神经网络的字符识别系统。并针对ＢＰ算法的缺陷问题提出改进方法并得以实现，提出建立奇异样本特征库的方法使学习的效率大大的提高。实践证明采用改进型ＢＰ算法的三层前向无反馈神经网络进行手写字符识别是完全可行和实用的。
其他文献
首先阐述了ＭＰＥＧ－４版本１的“档次”和“等级”概念，然后详细叙述了各种视频对象类型和工具、各种视频的“档次”定义以及每个“档次”上的“等级”划分技术，最后简要介绍了ＭＰＥＧ－４版本１可能的应用领域。
本文给出了一类基于Ｂ样条修匀公式的图像边缘检测算子，其过程是先利用等距Ｂ样条函数对图像｛ｆ（ｉ，ｊ）｝Ｎ－１ｉ，ｊ＝０做一个全息光滑曲面公式，进一步利用Ｂ样条函数的局部支撑性质导出，该曲面公式可以严格地局限于每点的某变邻域内计算，即Ｓ（ｘ，ｙ）＝∑（ｉ，ｊ）∈Ｎｋ，ｌ（ｘ，ｙ）ｆ（ｉ，ｊ）Ωｋ（ｘ－ｉ）Ωｌ（ｙ－ｊ）该曲面既有足够的光滑性，又有良好的保凸性；然后，基于这个光滑曲面Ｓ（ｘ，ｙ），再通
本文研究了汉语语音识别中的拼音多候选问题，提出了引入语言知识后的一种拼音多候选选择方法，并给出了采用Ｎ元拼音文法模型时的候选选择算法．实验表明，该方法取得了很好的效果．
对称性在日常生活中广泛存在，对一般物体镜像和旋转对称性的快速检测一直是计算机视觉的难题，至今未有通用性很好且效率较高的算法．本文提出一种新的方法，把对称性检测问题转化为协方差矩阵的特征值分解问题，文中的３个定理及其证明奠定了理论基础．此外还把这一结论推广到旋转对称性的检测问题．仿真表明：这种方法理论基础扎实，操作简便，非常适合于强镜像对称复杂图像的镜像对称轴方向检测．
本文描述了一种基于直线Ｈｏｕｇｈ变换的局部参数曲线矢量化技术．在极坐标空间构造曲线的Ｈｏｕｇｈ函数，并将函数分解为变换项和核项，提供了参数空间的自然分解，根据其图形属性消除一项参数而求解另一项参数，运用投点算法实现工程图中折线、曲线的矢量化．
本文提出了一种基于细胞神经网络(CellularNeuralNetworkorCNN)和多层感知机(MultiLayerPerceptronorMLP)构成的组合神经网络进行手写体数字识别的系统及VLSI的实现.该系统首先由CNN从归一化为20×20的字符图像的水平与垂直方向以及两个对角线上逐行进行相邻单元检测(ConnectedComponentDetectororCCD),并把检测到的特征进行
模糊聚类是非监督模式分类的一个重要分支，在模式识别和图像处理中已经得到了广泛的应用、但现有模糊聚类算法大都需要聚类数的先验知识，而且对初始化极为敏感，从而限制了它们的实际应用此外对于多类原型样本集的聚类分析，还需要事先已知原型的类型及相应数目．为了克服这些限制，本文提出～种聚类原型先验知识的获取方法，并用来初始化多类原型模糊聚类，取得了较好的效果．
针对经典方法对 Ｓ Ｎ Ｒ 低的医学图像存在噪声过度放大及伪像产生问题，本文在精细尺度上，根据信号与噪声的 Ｗ Ｔ 相位在相继尺度上关联性的不同进行去噪．在大尺度上，则采用 Ｓｅｍｉｓｏｆｔ 阈值法对 Ｄ Ｗ Ｔ 系数进行快速缩减去噪．根据人眼的视觉特性对 Ｗ Ｔ 系数的增益进行非线性的自适应控制．较之经典方法，本文方法具有增强图像视觉效果佳，无伪像产生的优点．且在噪声抑制、保边沿及增强各种细节上
研究了小波变换和分形编码相结合的图象压缩方法，即对小波域（传统分形编码在空间域进行）图象进行分形编码．解决了传统分形编码收敛条件苛刻、解码步数难以确定的问题；同时又提出了类拟四叉树分割的变长小波树的分形压缩算法，结合小波系数的分层量化算术编码，几乎可以准确地控制压缩倍数，解决了传统分形压缩倍数难以控制的问题．并且通过自动调整阈值的大小，找到小波域图象的最佳小波树分割，也就是找到了小波系数和分形系数
设计了一种用于手写字符在线识别的多级分类器模型。在该模型中，通过对四个独立的分类算法进行集成，将脱机方法与联机方法，神经网络方法与传统方法有机地结合起来构成一个完整的手写字符在线识别系统．理论分析和实验结果表明，该集成系统比单一系统具有明显的优越性。