正文內容

手寫體數字識別系統的設計與實現畢業設計(doc畢業設計論文)(已修改)

2026-06-26 23:04 本頁面

　

【正文】大學生研究計劃項目手寫體數字識別系統的設計與實現摘要手寫體數字識別系統依托計算機應用軟件為載體，利用C++程序設計的相關知識，運用模塊設計等相關技術，最終完成手寫體設計系統的程序綜合設計。關鍵字：手寫體數字處理模式識別程序設計一、論題概述模式識別是六十年代初迅速發展起來的一門學科。由于它研究的是如何用機器來實現人(及某些動物)對事物的學習、識別和判斷能力，因而受到了很多科技領域研究人員的注意，成為人工智能研究的一個重要方面。字符識別是模式識別的一個傳統研究領域。從50年代開始，許多的研究者就在這一研究領域開展了廣泛的探索，并為模式識別的發展產生了積極的影響。字符識別一般可以分為兩類:。(Optical Chara cter Recognition，OCR)或稱離線字符識別。在聯機字符識別中，計算機能夠通過與計算機相連的輸入設備獲得輸入字符筆劃的順序、筆劃的方向以及字符的形狀，所以相對OCR來說它更容易識別一些。但聯機字符識別有一個重要的不足就是要求輸入者必須在指定的設備上書寫，然而人們在生活中大部分的書寫情況是不滿足這一要求的，比如人們填寫各種表格資料，開具支票等。如果需要計算機去認識這些己經成為文字的東西，就需要OCR技術。比起聯機字符識別來，OCR不要求書寫者在特定輸入設備上書寫，它可以與平常一樣書寫，所以OCR的應用更為廣泛。OCR所使用的輸入設備可以是任何一種圖像采集設備，如CCD、掃描儀、數字相機等。通過使用這類采集設備，OCR系統將書寫者已寫好的文字作為圖像輸入到計算機中，然后由計算機去識別。由于OCR的輸入只是簡單的一副圖像，它就不能像聯機輸入那樣比較容易的從物理特性上獲得字符筆劃的順序信息，因此OCR是一個更具挑戰性的問題。數字識別是多年來的研究熱點，也是字符識別中的一個特別問題，它是本文研究的重點。數字識別在特定的環境下應用特別廣泛，如郵政編碼自動識別系統，稅表和銀行支票自動處理系統等。一般情況下，當涉及到數字識別時，人們往往要求識別器有很高的識別可靠性，特別是有關金額的數字識別時，如支票中填寫的金額部分，更是如此。因此針對這類問題的處理系統設計的關鍵環節之一就是設計出高可靠性和高識別率的數字識別方法。然而可以說還沒有哪個數字識別器達到完美的識別效果。在過去的數十年中，研究者們提出了許許多多的識別方法。按使用的特征不同，這些方法可以分為兩類:基于結構特征的方法和基于統計特征的方法。結構特征通常包括圓、端點、交叉點、筆劃、輪廓等，統計特征通常包括點密度的測量、矩、特征區域等，一般來說，兩類特征各有優勢。例如，使用統計特征的分類器易于訓練，而且對于使用統計特征的分類器，在給定的訓練集上能夠得到相對較高的識別率，而結構特征的主要優點之一是能描述字符的結構，在識別過程中能有效地結合幾何和結構的知識，因此能夠得到可靠性較高的識別結果。二、模式識別與BP神經網絡在觀察各種事物或接受各種客觀現象時，人們總是不斷地進行模式識別。各種具有相似的特征又不完全相同的事物和現象組成不同的類別。在同一類別中，事物和現象不盡相同，但它們總是表現出某些方面的相近之處。例如，每個人寫出來的數字“8”可能千差萬別，但它們的共同之處在于，它們都屬于數字，“8”這個范疇。也就是說，這些千差萬別的數字“8”的共性是它們具有相同的屬性特征。人的思維可以對初次見到的事物進行分類。比如，即使人們初到一個城市，也可以輕易地辨認出“街道”、“房屋”、“汽車”這樣的事物。同樣，看到另外一種寫法的“8”，人們仍然可以清楚地知道它的含義。正是人腦的這種推廣能力，使得人們利用見到過的有限事物和現象，形成各種事物類別的概念。這些有限的、個別的事物和現象就可以稱為模式，而整個類別的現象和事物則可以稱為模式類，或者簡稱為類。人們根據所見模式的特性，將其劃歸為某一類的過程，實際上就是模式識別的過程。模式識別這個詞既可以是指人對事物的，一個分析、描述、判斷和識別的過程，也可以是指利用計算機對某些物理對象進行分類的這門學科。模式和集合的概念是分不開的，模式可以看作是集合論中的元素，而類則可以看作是子集。神經網絡的概念、原理和設計是受生物、特別是人腦神經系統的啟發提出的. 神經網絡由大量簡單的處理單元來模擬真實人腦神經網絡的機構和功能以及若干基本特性,是一種按誤差逆傳播算法訓練的多層前饋網絡,是目前應用最廣泛的神經網絡模型之一. BP網絡能學習和存貯大量的輸入輸出模式映射關系,而無需事前揭示描述這種映射關系的數學方程. 它的學習規則是使用最速下降法,通過反向傳播來不斷調整網絡的權值和閾值,使網絡的誤差平方和最小. BP神經網絡模型拓撲結構包括輸入( input) 、隱層( hide layer)和輸出層(output layer) ,如圖1所示：三、基于BP神經網絡的手寫數字識別（一）輸入向量與目標向量首先對手寫數字圖像進行預處理,包括二值化、去噪、傾斜校正、歸一化和特征提取,生成BP神經網絡的輸入向量Alphabet和目標向量Tar2get. 其中Alphabet選取40 10的矩陣,第1列到

點擊復制文檔內容

法律信息相關推薦

手寫體數字識別系統的設計與實現畢業設計(doc畢業設計論文)(已修改)

指紋自動識別系統畢業設計論文-資料下載頁

無線自動識別系統電路的設計畢業設計論文-資料下載頁

字符圖像識別系統的預處理算法設計與實現__畢業設計論文-資料下載頁

opencv人臉識別系統畢業設計-資料下載頁

基于bp網絡的車牌識別系統的設計畢業設計論文-資料下載頁

文檔位圖的印刷體數字智能檢測與識別畢業設計(doc畢業設計論文)-資料下載頁

畢業設計-人臉面部識別系統設計-資料下載頁

基于神經網絡的手寫數字識別系統的設計與實現-資料下載頁

計算機手寫數字識別技術(doc畢業設計論文)-資料下載頁

車牌識別系統的設計與實現畢業論文-資料下載頁

基于opencv的車型識別系統畢業設計-資料下載頁

汽車牌照識別系統畢業設計-資料下載頁

基于matlab的人臉識別系統設計與仿真(含matlab源程序)畢業設計(doc畢業設計論文)-資料下載頁

畢業設計-車牌識別系統研究-資料下載頁

汽車牌照識別系統畢業設計-資料下載頁

手寫體數字識別系統的設計與實現畢業設計(doc畢業設計論文)(完整版)

手寫體數字識別系統的設計與實現畢業設計(doc畢業設計論文)(更新版)

手寫體數字識別系統的設計與實現畢業設計(doc畢業設計論文)(專業版)

手寫體數字識別系統的設計與實現畢業設計(doc畢業設計論文)(留存版)