统计不相关性的最佳鉴别变换的手写数字识别

为了进一步深入研究推广手写体数字识别技术,介绍并验证了具有统计不相关性的最佳鉴别变换在手写体数字识别中的优越性.与经典的Foley-Sammon鉴别变换法相比,具有统计不相关性的最佳鉴别变换相关性更小,提取的特征更有效.提出利用具有统计不相关性的最佳鉴别变换来提取特征并结合BP网络设计分类器用以实现手写体数字识别.通过3个对比实验证实了基于具有统计不相关性的最佳鉴别变换方法的识别方法的有效性.     

一种基于BP-bagging的手写体数字识别算法

基于BP-bagging的手写体数字识别算法,以BP网络做基本分类器,用Bagging产生多个基本分类器,把每一个手写体数字作为一幅图像,通过扫描提取25维特征,并投影压缩生成5维特征向量,并输入到BP-bagging分类器,用简单多数投票法进行集成,实现手写体数字的分类识别.经反复的实验证明,该手写体数字识别算法具有...     

基于Bayes决策的手写体数字识别

提出了一种用Bayes决策理论进行手写体数字识别的方法，对已知类别的样品提取特征建立数字样品库，对于任意的手写数字提取特征，根据数字样品库中已知样品的特征，运用基于最小错误概率的Bayes决策进行识别、实验证明Bayes决策理论用于手写体数字的识别有较好的效果，一般情况下识别率能达到96％以上．     

手写体数字识别方法研究

本文主要研究了一种基于BP网络的手写体数字识别方法。根据手写体数字的几何结构提取特征值,将这些特征和大量手写体数字样本送入BP神经网络,最后,使用训练好的BP网络识别手写体数字。结果表明,该识别方案达到了一定的有效性和实用性。     

基于卷积神经网络的藏文手写数字和字母识别研究

在文字识别领域中,手写体识别比印刷体识别更具挑战性.藏文手写体识别已经成为重要的研究课题之一.本文提出了一种基于卷积神经网络LeNet-5模型的藏文手写数字和字母识别方法.分别采集藏文数字手写体样本和字母手写体样本17768和77636例,并对其进行预处理;然后按8∶2划分成训练集和测试集,并在CNN(LeNet-5)模型上进行训练.经过测试,数字和字母识别准确率分别达到98.81%和97.89%.     

手写体数字识别方法研究

手写体的识别是模式识别的一个重要课题。针对手写体识别中单一识别方法的局限性，提出采用多层识别法对手写体数字进行识别，并对预处理技术进行改进，较好的抽取出字符的特征，为识别打下良好的基础，其分层判决机构极大地提高了系统的识别率和鲁棒性。     

基于空间分布特征的手写体数字识别

首先根据手写体数字在空间上的分布情况，提取其空间分布特征，同时定义了一种新的特征；其次，提出了一种新的细化方法，并用最小距离法对手写体数字进行了识别。该识别方法较传统方法简便，不必考虑笔划的多变性，具有较高的识别正确率，并能实现快速识别。     

手写体数字形成的计算机模拟

研究邮政编码及各种票据的手写体数字识别时,需要深入了解手写体数字的形成过程,而人工手写体难于取得大量样本,且样本特征不完整,不易对样本的退化程度进     

多层神经网络在手写体数字识别中的应用

手写体数字识别是模式识别中的研究课题之一，本文对多层神经网络用于手写体数字识别进行了探讨。文中所采用的特征输入神经网络方法，通过模拟实验，取得了良好的效果。     

基于卷积神经网络的手写数字识别应用

数字识别(Digit Recognition),是计算机从纸质文档,照片,或其他来源接收和理解并识别可读的数字的能力.根据数字来源的产生方式的不同,目前数字识别问题可以区分为手写体数字识别,印刷体数字识别,光学数字识别,自然场景下的数字识别等,具有很大的实际应用价值.目前比较受到关注的问题主要是手写体数字识别,由于其具...