需要金幣： 1000 個(gè)金幣 |
資料包括：完整論文，開(kāi)題報(bào)告 |  |
 |
| 轉(zhuǎn)換比率：金額 X 10=金幣數(shù)量， 例100元=1000金幣 | 論文字?jǐn)?shù)：12365 |  | |
| 折扣與優(yōu)惠：團(tuán)購(gòu)最低可5折優(yōu)惠 - 了解詳情 | 論文格式：Word格式(*.doc) |  |
摘要：當(dāng)今，計(jì)算機(jī)和數(shù)字圖像處理技術(shù)不斷進(jìn)步，很多方面都要用到數(shù)字識(shí)別技術(shù)。目前的數(shù)字識(shí)別是由印刷體數(shù)字識(shí)別和手寫體數(shù)字識(shí)別所組成的。因?yàn)槊總€(gè)人的書寫筆記不一樣，手寫體數(shù)字的識(shí)別更困難，研究正處于起步階段，識(shí)別率不高。本文主要研究手寫體數(shù)字識(shí)別技術(shù)。 人工神經(jīng)網(wǎng)絡(luò)具有高度的非線性，近年來(lái)得到了迅速的發(fā)展，與外部世界交互時(shí)，因?yàn)樗邆渥詫W(xué)習(xí)、自組織能力，使我們實(shí)現(xiàn)一些不能用當(dāng)前計(jì)算機(jī)理論達(dá)到的功能；關(guān)于那些沒(méi)法創(chuàng)建確切數(shù)學(xué)模型的體系，神經(jīng)網(wǎng)絡(luò)有著特別的優(yōu)點(diǎn)。 本文采取依據(jù)概率神經(jīng)網(wǎng)絡(luò)的方法來(lái)完成手寫體數(shù)字識(shí)別。第一用灰度化、二值化、平滑去噪、歸一化、細(xì)化等預(yù)處理。其次是對(duì)數(shù)字圖像進(jìn)行特征提取。最后是概率神經(jīng)網(wǎng)絡(luò)分類器的建立和識(shí)別過(guò)程，對(duì)訓(xùn)練后的網(wǎng)絡(luò)模型進(jìn)行測(cè)試，得出測(cè)試結(jié)果。
關(guān)鍵詞：手寫體數(shù)字識(shí)別；預(yù)處理；特征提??；概率神經(jīng)網(wǎng)絡(luò)
目錄 摘要 ABSTRACT 1 引言-1 2 徑向基函數(shù)網(wǎng)絡(luò)-2 2.1 概率神經(jīng)網(wǎng)絡(luò)-2 2.1.1 模式分類的貝葉斯決策理論-2 2.1.2 概率神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)-3 2.1.3 概率神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn)-5 2.2 廣義回歸神經(jīng)網(wǎng)絡(luò)-6 2.2.1 廣義回歸神經(jīng)網(wǎng)絡(luò)的理論基礎(chǔ)-6 2.2.2 廣義回歸神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)-7 3 數(shù)字圖像常規(guī)預(yù)處理和特征提取-9 3.1 手寫體數(shù)字識(shí)別的預(yù)處理-9 3.1.1 圖像的灰度化-9 3.1.2 圖像的二值化-9 3.1.3 圖像的去噪-10 3.1.4 圖像的分割-11 3.1.5 圖像的歸一化-11 3.2 手寫體數(shù)字識(shí)別的特征提取-12 3.2.1 手寫體數(shù)字特征提取的原則-12 3.2.2 手寫體數(shù)字特征提取方法-12 4 基于概率神經(jīng)網(wǎng)絡(luò)的手寫體數(shù)字識(shí)別的實(shí)現(xiàn)-14 4.1 手寫體數(shù)字識(shí)別的流程-14 4.2 樣本準(zhǔn)備-15 4.2.1 灰度化-15 4.2.2 二值化-16 4.2.3 平滑去噪-16 4.2.4 圖像的歸一化-16 4.3 對(duì)圖像進(jìn)行特征提取-17 4.4 構(gòu)造分類器——概率神經(jīng)網(wǎng)絡(luò)-20 4.5 手寫體數(shù)字識(shí)別的實(shí)現(xiàn)-21 4.6 仿真結(jié)果-22 5 總結(jié)-27 致謝-28 參考文獻(xiàn)-29 附錄-30 |
