基于人工神经网络的手写阿拉伯数字识别

本文讨论了人工神经网络在手写数字识别中的应用,针对手写体数字的结构特点,采用改进的BP学习算法进行识别.建立了基于神经网络的手写数字模式识别系统,并用Matlab仿真进行结果分析,该系统识别率为70%.     

手写数字识别浅析

手写数字的识别研究有着重大的现实意义,本文先对手写数字识别技术进行概述,然后介绍了手写数字识别的分类和基本步骤,最后对全文进行了总结。     

基于F-tablet的数字墨水信息存取的实现

数字墨水是一项创新性人机界面技术,可将手写的自然语言信息以墨水的形式保存.根据F-tablet(force sensitive tablet)的特性,基于数字墨水标记语言InkML(int markup 1anguage),以其原始元素的形式对F-tablet的轨迹、通道、设备、用户等信息进行描述,从而完整准确地表达出F-tablet上的手写信息,成功实现了F-tablet上手写信息的存取.最后给出一个演示实例.     

基于OpenCV视觉库的手写数字识别系统

运行在电脑的手写数字识别系统在移动性和便捷性方面存在诸多缺陷,为此,将数字识别算法移植于灵活小巧的高性能嵌入式设备,设计了一种基于视觉库OpenCV (Open Source Computer Vision Library)的手写数字识别系统.通过舵机云台调整拍摄角度,利用图片拼接和数字分割技术,实现短距离、大面积的手写数字识别.比较了使用KNN(K-Nearest Neighbor)、支持向量机和人工神经网络3种分类算法训练的模型在识别速度、识别准确率、模型体积等方面的区别,经过测试,使用人工神经网络算法在树莓派上的识别时间可低至0.115 s,识别准确率可达72％,具有一定的应用价值.     

基于BP神经网络的手写数字识别系统

提出了利用BP神经网络方法来实现手写数字识别系统的方案。手写数字图像通过颅处理后,在特征提取方面采用两种适应性较强的特征提取方法,即18点特征提取方法和手写数字笔画特征提取法．不但减少了提取时间。而且提高了手写数字图像的识别率。利用Visual C＋＋编写手写数字识别系统,得到了较好的识别结果。     

基于LVQ神经网络算法的脱机手写数字识别研究

针对BP神经网络进行脱机手写数字识别所存在的问题,提出用自组织竞争神经网络(LVQ)对脱机手写数字识别的方法.介绍了LVQ神经网络算法,并构建了LVQ神经网络的识别模型,用Matlab软件进行了仿真.将获得的仿真结果数据与BP神经网络的测试结果进行对比分析,发现LVQ神经网络对脱机手写数字的识别率明显高于BP神经网络,且收敛速度更快.该方法在脱机手写数字识别领域具有一定的可行性与指导性.     

基于改进卷积神经网络及SVM的手写数字识别方法

手写数字识别在数据的自动读取、银行支票识别、邮政编码自动识别等领域有重要的实际应用价值.为了提高手写数字识别的准确率,提出一种将卷积神经网络与批量归一化(BN)网络结合来提取手写数字图片特征、并用支持向量机(SVM)进行分类的手写数字识别方法.经实验验证,所提出的手写数字识别方法准确率达到99.6％,相比于Vgg-16、Xception等改进卷积网络的识别准确率有较大的提高.     

手写数字的综合智能识别

研究手写数字多种智能识别方法的逻辑组合和加权统计综合模型．应用综合模型对多种智能识别系统进行综合,提高了手写数字识别的可靠率．     

“数字信号处理”课程教学方法的探索

为了适应素质教育对电子信息专业人才培养的要求,针对"数字信号处理"课程的特点,对"数字信号处理"的教学方法进行探索。实践证明,通过对课堂教学的优化、建立Matlab数字信号处理实验仿真系统和改革考核学生的制度对提升学生综合能力和素质、提高课堂教学质量有良好的效果。     

一种基于手写签名的网络责任文件认证系统

研究一种网络责任文件认证系统。网络消息的认证通常采用基于公钥体制的数字签名方法．尽管数字签名在理论上已发展得较为成熟，但在应用方面仍存在若干不足考虑到手写签名验证方法在个人通信网络身份认证中的良好发展前景，采用将数字签名与手写签名相结合的方法，使系统既保留了数字筌名应有的特性，又具有手写签名对责任文件的认证作用。     

一种机器人仿人书写系统

设计了一种用于机器人重现人类书写笔迹的系统,该系统由手写运动信息采集器、手写样本数据处理器、控制命令组装器、机器人控制器和机器人本体组成.首先,利用数字平板采集人类手写运动信息,并记录为时间序列数据.然后系统对手写数据特征进行提取,并生成机器指令用于控制书写机器人.仿真表明:基于真实手写运动信息数据源,机器人能够实现汉字书写笔迹的重现;此外,不同于人类书写具有较大波动性,机器人通过重复调用执行书写指令可确保多次书写的一致性.     

手写数字识别实验系统的研究

以无限制手写数字的机器自动识别系统的研究对象，旨在达到对书写人员、笔墨、纸张、字体大小、取向、位置不作限制，对常见书写风格均能识别。     

基于编辑距离的手写数字Freeman链码匹配算法

提出了一种基于编辑距离的图像轮廓8方向Freeman链码模板匹配算法度量两个链码序列的相似度进行手写数字字符识别。通过对自备手写数字字符样本库的分类,实验结果表明该算法的有效性。     

手写数字体自动识别技术的研究现状

脱机手写数字体自动识别一直以来是图像处理与模式识别领域中的研究热点及具有较高的实用价值。文章对手写数字体研究现状进行概述,着重分析了预处理中的二值化、细化等方法,对特征提取中较重要的统计特征和结构特征分别进行阐述,讨论了分类识别中BP神经网络、支持向量机等关键技术的各种主流方法。通过分析,以期使读者对手写数字体识别的进展有较全面的了解,并对未来的研发有切实的帮助。     

数字信号处理技术在录像机中的应用

随着数字技术的飞速发展,广播电视领域也进入一个崭新的时代,从模拟技术向数字技术的过渡,已成为一种趋势,我台现使用的录像设备的图像信号处理部分是数字化的,以下称为数字YC或数字YC信号处理.     

数字匹配滤波器的设计与实现

采用高效的数字匹配滤波器设计是数字接收机中提高信噪比改善系统信号处理性能的一项关键技术.介绍了基于匹配滤波理论,采用FPGA构造出匹配滤波器,并以高速DSP作为计算以及控制字发生器,设计出一款有效的适合于已知线性调频信号(LFM)匹配滤波系统,有效的提高了信号处理系统的信噪比.     

支持向量机在线增量学习算法的MATLAB实现

基于支持向量机在线训练理论,采用MATLAB工具实现了一种在线增量学习算法。该实现方法调用LIBSVM工具包分类器训练函数和样本识别函数,将不能识别的样本作为增量数据重新训练分类器。设计的增量训练用户图形界面系统应用于手写数字的识别,结果表明了实现方法的正确性和有效性,并论证了增量训练能在兼顾新样本出现的情况下提高训练速度,提升手写数字识别的准确率。     

手写数字识别的系统设计

数字识别技术的研究不仅可以解决当下面临的数字识别问题,同时在图像识别,机器学习等方面也有铺垫作用。该文主要通过卷积神经网络(CNN)方法实现手写数字的识别。先设计网络模型,再用MNIST数据集训练,并测试网络模型的识别准确率,接着对手写数字进行图像的预处理,输入到模型中,验证正确程度。     

基于PCA和LDA融合的手写数字识别方法

提出一种融合主成分分析(PCA)和线性判别分析(LDA)的手写数字识别方法.由于PCA能减少不同特征间的相关性和冗余性,而LDA获得的特征子空间具有良好的判别能力,对PCA和LDA特征子空间进行融合能实现两者优势互补,提高手写字符分类性能.实验结果表明, 提出的方法能有效提高手写数字的识别率.     

基于图像边缘轮廓的银行支票小写金额识别

银行支票的小写金额识别已有比较成熟的发展,针对模版匹配手写数字识别有太多的不确定性,BP网络手写数字识别训练复杂,参数不易设置等。本文提出了一种新的以手写数字0～9图像四个方向不同边缘轮廓为特征矢量,当前输入图像的特征矢量与标准特征矢量的最小欧几里德距离为判别公式,识别出支票上的小写金额,识别率98.5％。