基于人工神经网络的汉字分层识别方法研究

摘要

在分层的基础上,该文提出了适用于人工神经网络的汉字层次特征提取方法,该方法首先将汉字分成很多子集,然后根据子集中汉字的不同特性,为各子集提取最有效的特征.这种特征提取方法和分层技术相结合,实际上就将汉字大模式识别问题转变成小模式识别问题,从而大大降低了汉字识别的难度.根据汉字的特点,该文对汉字抽取了三层层次特征.该文还提出了改进的边轮廓变化特征,并用此特征作为第一层次特征.针对不同子集的特性,该文讨论了用于识别系统的各种特征提取方案以及特征选择的问题.能用于模式识别的人工神经网络模型有很多,该文详细讨论了改进的自组织渐进聚类网络、BP网络,采用这两种网络分别作为分层识别系统的第一、第三个层次.在第二层,该文使用分级聚类算法进行分类,并采用分类过程形成的映射关系构造第二层汉字识别网络.

目录

文摘

英文文摘

序言

一.论文背景

二.章节安排

第一章人工神经网络与汉字识别概述

§1.1人工神经网络基本知识

§1.1.1人工神经网络定义及数学描述

§1.1.2人工神经网络发展历程

§1.1.3人工神经网络的算法

§1.1.4人工神经网络的分类

§1.2汉字识别概述

§1.2.1印刷体汉字识别技术的历史与现状

§1.2.2印刷体汉字识别技术简述

§1.3人工神经网络应用于汉字识别的机理和特点

§1.4人工神经网络在字符识别方面的应用现状

第二章汉字识别的分层结构

§2.1印刷体汉字的特点

§2.2印刷体汉字识别中的多级分类方法

§2.3汉字识别的分层结构

§2.4分层识别的并行系统结构

§2.5小结

第三章特征提取与特征选择

§3.1问题的提出

§3.2特征提取评述

§3.3层次特征提取

§3.3.1第一层次特征：汉字周边轮廓变化特征

§3.3.2第二层次特征：内部层次面积

§3.3.3第三层次特征

§3.4特征选择

§3.5本章小结

第四章渐进聚类人工神经网络

§4.1引言

§4.2自组织学习原理

§4.2.1自组织方法的形式

§4.2.2自组织方法的特点

§4.3用于粗分类的渐进聚类网络

§4.3.1组织聚类神经网络结构

§4.3.2汉字渐近聚类算法

§4.4分类结果及分析

§4.5本章小结

第五章第二阶分类

§5.1分级聚类算法

§5.2第二层次特征提取

§5.2.1几个第二层次特征的提取方法

§5.2.2第二层次特征选取

§5.3分类结果及分析

§5.3.1分类结果及分析

§5.3.2改进实验举例

§5.4网络构造

§5.5本章小结

第六章BP网络和细分类

§6.1 BP网络结构与学习算法

§6.1.1 BP网络结构

§6.1.2 BP学习算法和数学模型

§6.1.3 BP网络的三种学习过程

§6.2 BP网络的固有缺陷及改进

§6.2.1 BP网络的固有缺陷

§6.2.2 BP算法的改进

§6.3 BP网络的结构确定

§6.4 BP网络的细分类

§6.4.1第三层次特征

§6.4.2用于细分类的BP网络结构

§6.5实验结果及分析

§6.6本章小结

结束语

参考文献

致谢