基于神经网络的手写数字识别系统的设计与实现毕业论文

中南大学本科生毕业论文（设计）题目基于神经网络的手写数字识别系统的设计与实现目录摘要...................................................Ⅰ矚慫润厲钐瘗睞枥庑赖。ABSTRACT.............................................................Ⅱ第一章绪论............................................1聞創沟燴鐺險爱氇谴净。1.1手写体数字识别研究的发展及研究现状..............1残骛楼諍锩瀨濟溆塹籟。1.2神经网络在手写体数字识别中的应用................2酽锕极額閉镇桧猪訣锥。1.3论文结构简介....................................3彈贸摄尔霁毙攬砖卤庑。第二章手写体数字识别..................................4謀荞抟箧飆鐸怼类蒋薔。2.1手写体数字识别的一般方法及难点..................4厦礴恳蹒骈時盡继價骚。2.2图像预处理概述..................................5茕桢广鳓鯡选块网羈泪。2.3图像预处理的处理步骤............................5鹅娅尽損鹌惨歷茏鴛賴。2.3.1图像的平滑去噪............................5籟丛妈羥为贍偾蛏练淨。2.3.2二值话处理................................6預頌圣鉉儐歲龈讶骅籴。2.3.3归一化....................................7渗釤呛俨匀谔鱉调硯錦。2.3.4细化......................................8铙誅卧泻噦圣骋贶頂廡。2.4小结............................................9擁締凤袜备訊顎轮烂蔷。第三章特征提取.......................................10贓熱俣阃歲匱阊邺镓騷。3.1特征提取的概述.................................10坛摶乡囂忏蒌鍥铃氈淚。3.2统计特征.......................................10蜡變黲癟報伥铉锚鈰赘。3.3结构特征.......................................11買鲷鴯譖昙膚遙闫撷凄。3.3.1结构特征提取.............................11綾镝鯛駕櫬鹕踪韦辚糴。3.3.2笔划特征的提取...........................11驅踬髏彦浃绥譎饴憂锦。3.3.3数字的特征向量说明.......................12猫虿驢绘燈鮒诛髅貺庑。3.3知识库的建立...................................12锹籁饗迳琐筆襖鸥娅薔。第四章神经网络在数字识别中的应用.....................14構氽頑黉碩饨荠龈话骛。4.1神经网络简介及其工作原理.......................14輒峄陽檉簖疖網儂號泶。4.1.1神经网络概述[14]............................14尧侧閆繭絳闕绚勵蜆贅。4.1.2神经网络的工作原理........................14识饒鎂錕缢灩筧嚌俨淒。4.2神经网络的学习与训练[15].........................15凍鈹鋨劳臘锴痫婦胫籴。4.3BP神经网络....................................16恥諤銪灭萦欢煬鞏鹜錦。4.3.1BP算法...................................16鯊腎鑰诎褳鉀沩懼統庫。4.3.2BP网络的一般学习算法.....................17硕癘鄴颃诌攆檸攜驤蔹。4.3.3BP网络的设计.............................18阌擻輳嬪諫迁择楨秘騖。4.4BP学习算法的局限性与对策......................20氬嚕躑竄贸恳彈瀘颔澩。4.5对BP算法的改进................................21釷鹆資贏車贖孙滅獅赘。第五章系统的实现与结果分析...........................23怂阐譜鯪迳導嘯畫長凉。5.1软件开发平台...................................23谚辞調担鈧谄动禪泻類。5.1.1MATLAB简介...............................23嘰觐詿缧铴嗫偽純铪锩。5.1.2MATLAB的特点.............................23熒绐譏钲鏌觶鷹緇機库。5.1.3使用MATLAB的优势........................23鶼渍螻偉阅劍鲰腎邏蘞。5.2系统设计思路...................................24纣忧蔣氳頑莶驅藥悯骛。5.3系统流程图.....................................24颖刍莖蛺饽亿顿裊赔泷。5.4MATLAB程序设计................................25濫驂膽閉驟羥闈詔寢賻。5.5实验数据及结果分析.............................26銚銻縵哜鳗鸿锓謎諏涼。结论.................................................................27参考文献.............................................................28致谢.................................................................30附录.................................................................31I摘要手写体数字识别是模式识别中一个非常重要和活跃的研究领域，数字识别也不是一项孤立的技术，它所涉及的问题是模式识别的其他领域都无法回避的；应用上，作为一种信息处理手段，字符识别有广阔的应用背景和巨大的市场需求。因此，对数字识别的研究具有理论和应用的双重意义。挤貼綬电麥结鈺贖哓类。人工神经网络识别方法是近年该研究领域的一种新方法，该方法具有一些传统技术所没有的优点：良好的容错能力、分类能力强、并行处理和自学习能力，并且是离线训练和在线识别的。这些优点使它在手写体字符的识别中能对大量数据进行快速实时处理，并达到良好的识别效果。赔荊紳谘侖驟辽輩袜錈。由于手写体数字识别难于建立精确的数学模型,所以本文采用BP神经网络对这一问题进行处理。神经网络模式识别的一个关键步骤是预处理和特征提取，对于手写体数字识别，本文采用了一种基于结构特征和统计特征的提取方法，并用程序实现了这一特征提取过程。塤礙籟馐决穩賽釙冊庫。通过测试，本识别系统对于较规范的手写体数字的识别达到了很好的识别效果。关键词：手写体数字识别，特征提取，人工神经网络，MATLABIIABSTRACTHandwrittencharacterrecognitionisaveryimportantandactiveresearchinpatternrecognition.Theoretically,itisnotanisolatedtechnique.Itconcernswiththeproblemthatalltheotherareasofpatternrecognitionmustconfronted;practically,beingakindofinformationprocessingmeasured,characterrecognitionhasaverybroadapplicationbackgroundandvastneedofmarket.Thus,itisofboththeoreticalandpracticalsignificance.裊樣祕廬廂颤谚鍘羋蔺。Artificialneuralnetworkrecognitionmethodisanewmethodoftheresearchfieldinrecentyears,andthismethodhassomemeritthattraditionaltechniquedonothave;goodtoleranceforerror,strongsortingability,strongparallelhandlingabilityandstrongself-learningabilityaswellasitsoff-linetrainingandon-linerecognizing.Allthesemeritscontributeitsperfectperformanceinhandlingvastdatasetandhandlingintimelymanner.仓嫗盤紲嘱珑詁鍬齊驁。It’sdifficulttomakeaccuratemathematicsmodelforhandwrittennumeralrecognition,soBPneuralnetworksisusedhere.Thekeystepsofneuralnetworkspatternrecognitionarepreprocessingandfeaturesubsetselection.Inthispaper,algorithmoffeaturesubsetselectionbasingonstructuralcharacteristicsandstatisticalcharacteristicshasbeenadoptedinhandwrittennumeralrecognition,andtheprocessoffeaturesubsetselectionhadbeenrealizedinprogram.绽萬璉轆娛閬蛏鬮绾瀧。Recognitionsysteminthispaperhasachievedagoodrateofrecognitioninrandomhandwrittennumeralbytest.骁顾燁鶚巯瀆蕪領鲡赙。Keyword:handwrittennumeralrecognition,featureextraction,artificialneuralnetwork,MATLAB瑣钋濺暧惲锟缟馭篩凉。基于神经网络的手写数字识别系统的设计与实现第一章绪论1第一章绪论1.1手写体数字识别研究的发展及研究现状模式识别[2]是六十年代初迅速发展起来的一门学科。由于它研究的是如何用机器来实现人(及某些动物)对事物的学习、识别和判断能力，因而受到了很多科技领域研究人员的注意，成为人工智能研究的一个重要方面。一个模式识别系统的基本职能是对系统所要处理的模式归属于哪一类做出判别，从该系统的模式输入到系统做出判别之间，主要包括信息检测、预处理、特征提取和分类几大环节。鎦诗涇艳损楼紲鯗餳類。字符识别是模式识别领域中的一个非常活跃的分支。一方面是由于问题本身的难度使之成为一个极具挑战性的课题；另一方面，是因为字符识别不是一项孤立的应用技术，其中包含的模式识别领域中其他分支都会遇到的一些基本和共性的问题。从50年代开始，许多的研究者就在这一研究领域开展了广泛的探索并为模式识别的发展产生了积极的影响。栉缏歐锄棗鈕种鵑瑶锬。字符识别，从采用的输入设备