基于概率神经网络的手写体数字识别算法的设计与实现

本文ID：120120

论文字数:17359

论文编号:ZD1800 论文字数:17359，附任务书，开题报告，外文翻译

摘要

数字识别是模式识别领域中重要研究方向之一，具有广阔的应用前景。人们在对概率神经网络基本原理研究的基础上，提出了利用概率神经网络方法来实现手写数字识别的方案。通过MATLAB仿真实验表明,基于概率神经网络的数字识别系统取得了良好效果。

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。

由于手写体数字识别难于建立精确的数学模型,所以本文采用概率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。

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：概率神经网络；特征提取；噪声处理；PNN算法；

ABSTRACT

....

　　第一章　　绪论1

　　　1.1　系统概述1

1.2 本论文所做的工作4

1.3 本章小结4

　　第二章神经网络的基本知识5

2.1 神经网络概述5

2.2 概率神经网络5

第三章手写体数字识别13

3.1 手写体数字识别的常规预处理方法13

3.2 图像预处理14

3.3 特征提取17

第四章神经网络在数字识别中的应用22

4.1 神经网络建模22

4.2 手写体数字识别的实现25

4.3 Matlab程序设计27

第五章总结与展望31

5.1 总结31

5.2 展望31　

参考文献32

外文资料

中文译文

致谢