自由手写体数字识别多神经网络分类器集成系统

摘要

本文介绍字符识别图像预处理技术，提出将线性规一化和非线性规一化相结合的预处理方法。实现了字符样本自动采集系统，提出使用Hough变换检测样表图像倾斜角度和使用行程段信息表示字符图像的编码方法；提出了快速标记行程段中心迭代算法实现字符图像分割的方法。介绍了BP网络、SOFM网络和LVQ网络的网络模型和学习算法，分析了各自的不足和改进方法，提出每次迭代时随机提交样本的学习方法。对不同的神经网络输出，提出了将其转换为后验概率的方法，以便于不同分类器的集成。

目录

文摘

英文文摘

第1章绪论

1.1选题背景

1.1.1计算机信息处理技术的发展对智能信息处理的要求

1.1.2人工神经网络的发展及其在模式识别中的广泛应用

1.2国内外研究现状

1.3研究的目的、意义和课题来源

1.4主要研究内容

第2章字符图像预处理

2.1图像二值化处理

2.2滤波

2.2.1中值滤波

2.2.2平滑滤波

2.3细化

2.4倾斜矫正

2.5线性规一化

2.5.1位置规一化

2.5.2大小规一化

2.6非线性规一化

2.7基于K-L(Karhunen-Loève)变换的主成分分析方法

2.8小结

第3章字符样本自动采集系统

3.1问题的提出

3.2系统设计

3.2.1采集样张

3.2.2倾斜检测与矫正

3.2.3标记定位算法与字符图像分割

3.2.4样本数据库

3.2.5实验结果

3.3小结

第4章手写字符识别神经网络模型

4.1人工神经元模型

4.2 BP(Back Propagation)网络模型

4.2.1 BP网络结构

4.2.2 BP网络学习算法

4.2.3 BP网络算法不足及改进

4.3 SOFM(Self-orgnizing Feature Map)网络模型

4.3.1 SOFM网络结构

4.3.2 SOFM网络的学习规则

4.3.3 Kohonen自组织学习规则分析

4.3.4竞争层存在的问题及改进方法

4.4 LVQ(LearningVectorQuantization)网络模型

4.4.1 LVQ网络结构

4.4.2 LVQ网络学习算法

4.4.3 LVQ网络算法的不足及改进

4.5多分类器集成

4.5.1多分类器集成原理

4.5.2神经网络的输出映射

4.6 小结

第5章多神经网络分类器集成的字符识别系统

5.1系统总体设计

5.1.1设计思路

5.1.2特征提取及分类器构造

5.2神经网络分类器设计

5.2.1神经网络结构

5.2.2成员分类器

5.2.3成员分类器的学习与测试

5.2.4实验结果及分析

5.3 小结

第6章基于多神经网络分类器集成的表格OCR系统

6.1系统设计

6.1.1系统构成

6.1.2系统运行

6.2表格OCR系统

6.2.1实例介绍

6.2.2运行结果

6.3小结

第7章总结及展望

7.1总结

7.2展望

参考文献

作者在读期间科研成果

申明

致谢