手写体数字识别中的特征提取和特征选择研究

摘要

手写数字识别是文字识别中的一个重要的研究课题，数字的类别只有十种，笔划又简单，其识别问题似乎不是很困难。但事实上，一些测试结果表明，数字的正确识别率并不如印刷体汉字识别正确率高，甚至也不如联机手写体汉字识别率高，而只仅仅优于脱机手写体汉字识别。手写数字识别的难度在于其变体极多，而且对数字识别单字识别正确率的要求要比文字要苛刻得多。目前对各类字体的数字识别特别是脱机手写数字识别仍然处在发展阶段，识别效果仍然不够理想。因此，研究简单高效的手写数字识别依然是一个重要的研究方向。 本文主要对手写体数字识别的关键问题——特征提取和特征选择进行了探讨和实验。本文的工作主要有以下几个方面： 1．在研究了多种手写数字特征的基础上，本文提取了轮廓特征、笔划密度特征、粗网格特征、重心及重心矩特征、首个黑点位置特征、投影特征及傅立叶变换特征等七种手写数字的结构和统计特征。 2．从多种特征选择方法中，采用了类内类间比、K-W检验及熵函数这三种特征选择方法对特征进行了选择。 3．通过大量实验，对手写体数字的特征降维问题进行了分析研究。 4．建立了一个基于BP神经网络的手写体数字识别系统，将原始特征和选择后的特征经过该BP神经网络检验，取得了较好的系统性能，从而证明上面提出的方法是可行的。

目录

文摘

英文文摘

声明

第一章引言

1.1模式识别

1.2手写数字识别的综述

1.2.1手写数字识别的研究背景和研究意义

1.2.2手写数字识别的难点

1.2.3学习和测试样本库的选择

1.2.4识别系统性能的评价

1.2.5手写数字的识别方法

1.2.6基于手写数字识别的典型应用

1.2.7手写数字识别技术展望

1.3本文的讨论内容和重点

第二章特征提取

2.1特征提取概述

2.2手写体字符特征提取方法概述

2.2.1结构特征提取方法

2.2.2统计特征提取方法

2.3手写数字识别的特征提取中所使用的模板说明

2.4手写数字识别中的特征提取

2.4.1笔划密度特征

2.4.2傅立叶变换特征

2.4.3轮廓特征

2.4.4投影特征

2.4.5重心及重心矩特征

2.4.6首个黑点位置特征

2.4.7粗网格特征

第三章特征选择

3.1问题的提出

3.2基于单个特征优劣的分类准则函数

3.2.1类内类间比函数

3.2.2.K-W检验

3.2.3利用不确定性选择特征

3.3检验手写数字样本特征集

3.3.1使用样本库说明

3.3.1实验方法说明

3.3.2实验结果说明

3.3.3实验结果分析

第四章神经网络概述

4.1人工神经网络概述

4.1.1人工神经网络发展概述

4.1.2人工神经网络的概念

4.1.3人工神经网络的特性

4.2BP神经网络

4.2.1BP网络的概述

4.2.2BP算法的数学基础

第五章BP神经网络用于手写数字识别

5.1基于BP神经网络的手写体数字识别系统的结构及流程

5.2数字识别预处理技术

5.2.1输入环节

5.2.2预处理

5.3特征提取和分析

5.4BP神经网络的结构和拓扑

5.4.1输入层和输出层

5.4.2隐含层

5.5BP神经网络的学习和训练

5.5.1BP算法的实现步骤

5.5.2BP网络的学习和训练

5.6系统识别结果

5.7关于特征提取和特征选择的进一步讨论

结束语

参考文献

致谢