基于优化BP神经网络的手写体识别系统∗

摘要

在日常生活中手写体随处可见,随着科学技术的不断发展进步,利用计算机识别手写字符成为趋势,为后续数据处理提供便利。对采集手写图像的特征提取和对处理后图像的分类识别进行研究,采用Gabor算法处理经过Sobel算子预处理后的图像,利用PCA进行降维,减少计算量。介绍了基本的BP神经网络,并针对其缺点提出弹性BP算法并进行优化,引入全局误差的评价标准,使得权值更新具备了适应学习和弹性两种优势,保证了全局收敛的条件下大大提升了算法的训练速度和精度。并针对具体的手写体识别问题,实现手写体识别系统的设计,对两种算法分别进行比较验证,进行数据统计,改进后的弹性BP算法拥有更优良的性能,训练时间大大缩短,准确率提升明显。