本文選題：手寫數(shù)字識別 + 特征提取��； 參考：《青島大學(xué)》2017年碩士論文

【摘要】：手寫數(shù)字識別是模式識別和圖像處理領(lǐng)域一個(gè)重要的研究方向,雖然數(shù)字的種類只有十種,筆畫也特別簡單,但由于書寫習(xí)慣的不同,字形的隨意性很大,使得手寫數(shù)字識別一直達(dá)不到理想的結(jié)果。手寫數(shù)字識別系統(tǒng)設(shè)計(jì)包含識別器(分類器)設(shè)計(jì)和使用識別器(分類器)方法。王守覺院士提出的優(yōu)先度排序神經(jīng)網(wǎng)絡(luò)是目前有可控拒識功能且識別率較高的識別器。本文借鑒王守覺院士提出的優(yōu)先度排序神經(jīng)網(wǎng)絡(luò)思想,著重設(shè)計(jì)了一種基于優(yōu)先度排序神經(jīng)網(wǎng)絡(luò)的手寫數(shù)字識別器。在該識別器的設(shè)計(jì)過程中,一方面通過對樣本加不同噪聲、做不同的6種線性變換、7種Lie導(dǎo)數(shù)變換把MNIST數(shù)據(jù)庫擴(kuò)充為600000個(gè)訓(xùn)練樣本、100000個(gè)測試樣本的樣本庫。豐富了MNIST數(shù)據(jù)庫,為設(shè)計(jì)高識別率手寫數(shù)字分類器奠定了基礎(chǔ)。另一方面,細(xì)化和優(yōu)化了王守覺院士提出的優(yōu)先度排序神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)算法,改進(jìn)了王守覺院士提出的優(yōu)先度排序神經(jīng)網(wǎng)絡(luò)。用擴(kuò)充MNIST數(shù)據(jù)庫對多種識別器進(jìn)行了實(shí)驗(yàn)。實(shí)驗(yàn)表明,優(yōu)化的基于優(yōu)先度排序神經(jīng)網(wǎng)絡(luò)的手寫數(shù)字識別器的識別率明顯高于傳統(tǒng)的BP網(wǎng)絡(luò)的識別率,也高于王守覺院士提出的優(yōu)先度排序神經(jīng)網(wǎng)絡(luò)的識別率。
[Abstract]:Handwritten numeral recognition is an important research direction in the field of pattern recognition and image processing. Although there are only ten kinds of numbers and strokes are especially simple, due to the different writing habits, the character is very random. So that handwritten numeral recognition has been unable to achieve the desired results. The design of handwritten numeral recognition system includes the design of recognizer (classifier) and the use of recognizer (classifier) method. Academician Wang Shoujue's priority ranking neural network is a recognizer with controllable rejection function and high recognition rate. Based on the thought of priority ranking neural network proposed by academician Wang Shoujue, a handwritten numeral recognizer based on priority ranking neural network is designed in this paper. In the design of the recognizer, on the one hand, by adding different noises to the samples, 6 different linear transformations and 7 kinds of Lie derivative transformations are made to expand the MNIST database into a sample base of 600000 training samples and 100, 000 test samples. It enriches the MNIST database and lays a foundation for the design of handwritten number classifier with high recognition rate. On the other hand, it refines and optimizes the priority ranking neural network design algorithm proposed by academician Wang Shoujue, and improves the priority ranking neural network proposed by academician Wang Shoujue. Experiments on various recognizers are carried out with extended MNIST database. The experimental results show that the recognition rate of the optimized handwritten digital recognizer based on priority ranking neural network is obviously higher than that of the traditional BP neural network and the recognition rate of the priority ranking neural network proposed by academician Wang Shoujue.
【學(xué)位授予單位】：青島大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TP391.41;TP183

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張翠芳;楊國為;岳明明;;Zhang并行細(xì)化算法的改進(jìn)[J];信息技術(shù)與信息化;2016年06期

2 韓兆洲;林少萍;鄭博儒;;多類支持向量機(jī)分類技術(shù)及實(shí)證[J];統(tǒng)計(jì)與決策;2015年19期

3 張黎;劉爭鳴;唐軍;;基于BP神經(jīng)網(wǎng)絡(luò)的手寫數(shù)字識別方法的實(shí)現(xiàn)[J];自動(dòng)化與儀器儀表;2015年06期

4 鄭少蘭;;基于神經(jīng)網(wǎng)絡(luò)的手寫體漢字識別實(shí)驗(yàn)系統(tǒng)[J];電腦與電信;2015年05期

5 潘竹生;莫毓昌;趙建民;;優(yōu)先級邊排序策略及其性能分析[J];計(jì)算機(jī)科學(xué);2014年08期

6 楊國為;王守覺;衛(wèi)成兵;曹文誼;;基于同源的同類事物連通本性的模式分類神經(jīng)網(wǎng)絡(luò)模型[J];電子學(xué)報(bào);2013年01期

7 平麗;;圖像平滑處理方法的比較研究[J];信息技術(shù);2010年01期

8 王崢;;一種改進(jìn)的神經(jīng)網(wǎng)絡(luò)增量學(xué)習(xí)算法[J];計(jì)算機(jī)科學(xué);2007年06期

9 朱世交;楊磊;王守覺;;前饋優(yōu)先排序神經(jīng)網(wǎng)絡(luò)的構(gòu)造算法及分析[J];計(jì)算機(jī)科學(xué);2007年05期

10 朱世交;張南華;王守覺;;優(yōu)先排序覆蓋神經(jīng)網(wǎng)絡(luò)原理及分析[J];計(jì)算機(jī)工程與應(yīng)用;2007年14期

相關(guān)碩士學(xué)位論文 前7條

1 李曉飛;基于小波變換的圖像去噪方法研究[D];南京郵電大學(xué);2016年

2 魏征;基于圖統(tǒng)計(jì)特征的圖像識別算法研究[D];安徽大學(xué);2013年

3 胡迪雨;手寫體數(shù)字識別方法的應(yīng)用及研究[D];南昌大學(xué);2012年

4 王巖松;手寫體數(shù)字識別中的關(guān)鍵技術(shù)研究[D];北京郵電大學(xué);2009年

5 李建元;特征提取和特征選擇在手寫數(shù)字識別中的應(yīng)用[D];北京郵電大學(xué);2008年

6 董慧;手寫體數(shù)字識別中的特征提取和特征選擇研究[D];北京郵電大學(xué);2007年

7 張捷;手寫數(shù)字識別的研究與應(yīng)用[D];西安建筑科技大學(xué);2004年

，

本文編號：1868233