[信息与通信]利用神经网络进行手写体数字识别的方法研究.doc

xxxx学院本科毕业论文（设计） 题目：利用神经网络进行手写体数字识别的方法研究 院（系） 数学与计算机学院 专 业 计算机科学与技术 年 级 姓 名 学 号 指导教师 职 称 职 称 2010年6月20日 毕业论文（设计）评语及成绩 论文类型：理论研究型 评语： 该生对参考资料掌握的较好，对神经网络和数字识别技术有一定的理解，对流行的技术有一定的研究，完成了数字识别软件的设计。 该生论文能过运用神经网络技术和数字识别技术的基本原理和基本方法，对相关对问题总结的比较适当，有一定的理论水平，在实际中有一定的应用价值。论文结构比较严谨，层次比较分明、逻辑性较强、文字通顺。 指导教师（签字） 年 月 日 评语及评分 成绩： 答辩委员会主席（签字） 年 月 日 院（系）学位评定委员会意见： 签字： 年 月 日 学校学位评定委员会意见： 签字： 年 月 日 目 录 摘 要 1 Abstract 2 第一章 绪 论 3 1.1 引 言 3 1.2 手写体数字识别的目的意义 3 1.3 手写体数字识别的现状 3 1.4 手写体数字识别的发展 4 1.5 本文研究的主要内容 5 第二章 人工神经网络 6 2.1 神经网络概述 6 2.1.1 人工神经网络发展经历 6 2.1.2 神经网络的基本原理 7 2.2 BP神经网络 8 2.2.1 BP神经网络的网络模型 9 2.2.2 BP神经网络的基本原理 9 2.2.3 BP学习算法的流程 12 2.3 神经网络在模式识别问题上的优势 12 第三章 手写体数字识别常规预处理和特征提取方法 14 3.1 手写体数字识别的识别过程 14 3.2 手写体数字识别的常规预处理方法 14 3.2.1 图像的灰度化 15 3.2.2 二值化 15 3.2.3 平滑去噪 16 3.2.4 书写的倾斜矫正 16 3.2.5 数字图像分割 17 3.2.6 图像的归一化处理 17 3.2.7 图像的细化 18 3.3 特征提取 18 第四章 基于BP算法的手写体数字识别的实现 20 4.1 基于BP神经网络手写体数字识别的过程 20 4.2 样本准备 20 4.2.1 灰度化 21 4.2.2 二值化 21 4.2.3 平滑去噪 21 4.2.4 归一化 21 4.2.5 细化 22 4.3 特征提取 22 4.4 神经网络结构参数的选择与确定 23 4.4.1 输入层神经元和输出层神经元个数的确定 23 4.4.2 隐层数 23 4.4.3 隐层节点数 23 4.5 仿真结果 24 总 结 25 参考文献 26 后 记 28 摘 要 随着信息技术的发展，信息建设在我国取得了迅猛的发展，数字识别技术的应用需求越来越广泛。数字识别一般通过特征匹配及特征判别的方法来进行处理，前者一般适用于规范化的印刷体字符识别，现今该技术基本成熟；后者多用于手写字符识别，其研究还处于探索阶段，识别率还比较低。因此，本文主要阐述手写数字识别技术。 人工神经网络技术在今年取得了巨大的发展，它具有的高度非线性，使我们能表达一些至少是目前尚无法用计算理论表达清楚的外部世界模型；同时，神经网络所具有的自学习，自组织能力使我们能在与外部世界的交互作用下，实现无法用当前的计算理论表达清楚的功能；对于那些无法建立精确数学模型的系统，神经网络有着独特的优势。 本文基于BP神经网络的方法来实现手写体数字识别。首先对图像进行灰度化、二值化、平滑去噪、归一化、细化的预处理。然后采用逐像素特征提取法提取数字图像特征。最后是BP神经网络分类器的建立和识别过程，对训练后的网络模型进行测试，得出训练样本的识别率为98%，测试样本达到78%的识别率。 关键词：数字识别；预处理；BP神经网络 Abstract Along with the information technical development, the information construction got a fast fierce development in our country, the numeral identify of the techniques applied need be more and more extensive. The numeral identifies to generally match through a characteristic and the method of characterist