基于神经网络的手写数字识别系统的设计与实现

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)

ABSTRACT (Ⅱ)

第一章绪论 (1)

1.1手写体数字识别研究的发展及研究现状 (1)

1.2神经网络在手写体数字识别中的应用 (2)

1.3 论文结构简介 (3)

第二章手写体数字识别 (4)

2.1手写体数字识别的一般方法及难点 (4)

2.2 图像预处理概述 (5)

2.3 图像预处理的处理步骤 (5)

2.3.1 图像的平滑去噪 (5)

2.3.2 二值话处理 (6)

2.3.3 归一化 (7)

2.3.4 细化 (8)

2.4 小结 (9)

第三章特征提取 (10)

3.1 特征提取的概述 (10)

3.2 统计特征 (10)

3.3 结构特征 (11)

3.3.1 结构特征提取 (11)

3.3.2 笔划特征的提取 (11)

3.3.3 数字的特征向量说明 (12)

3.3 知识库的建立 (12)

第四章神经网络在数字识别中的应用 (14)

4.1 神经网络简介及其工作原理 (14)

4.1.1神经网络概述[14] (14)

4.1.2神经网络的工作原理 (14)

4.2神经网络的学习与训练[15] (15)

4.3 BP神经网络 (16)

4.3.1 BP算法 (16)

4.3.2 BP网络的一般学习算法 (16)

4.3.3 BP网络的设计 (18)

4.4 BP学习算法的局限性与对策 (20)

4.5 对BP算法的改进 (21)

第五章系统的实现与结果分析 (23)

5.1 软件开发平台 (23)

5.1.1 MATLAB简介 (23)

5.1.2 MATLAB的特点 (23)

5.1.3 使用MATLAB的优势 (23)

5.2 系统设计思路 (24)

5.3 系统流程图 (24)

5.4 MATLAB程序设计 (24)

5.5 实验数据及结果分析 (26)

结论 (27)

参考文献 (28)

致谢 (30)

附录 (31)

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。

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。

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，MATLAB

ABSTRACT

Handwritten character recognition is a very important and active research in pattern recognition. Theoretically, it is not an isolated technique. It concerns with the problem that all the other areas of pattern recognition must confronted; practically, being a kind of information processing measured, character recognition has a very broad application background and vast need of market. Thus, it is of both theoretical and practical significance.

Artificial neural network recognition method is a new method of the research field in recent years, and this method has some merit that traditional technique do not have; good tolerance for error, strong sorting ability, strong parallel handling ability and strong self-learning ability as well as its off-line training and on-line recognizing. All these merits contribute its perfect performance in handling vast data set and handling in timely manner.

It’s difficult to make accurate mathematics model for handwritten numeral recognition, so BP neural networks is used here. The key steps of neural networks pattern recognition are preprocessing and feature subset selection. In this paper, algorithm of feature subset selection basing on structural characteristics and statistical characteristics has been adopted in handwritten numeral recognition, and the process of feature subset selection had been realized in program.

Recognition system in this paper has achieved a good rate of recognition in random handwritten numeral by test.

Keyword: handwritten numeral recognition, feature extraction, artificial neural network, MATLAB