神经网络集成识别手写体数字研究(可复制论文).pdf

神经网络集成识别手写体数字研究摘要脱机手写数字识别在邮政编码、统计报表、财务报表、银行票据等方面有着极其重要的应用,这些涉及到财会金融等领域的数字识别对识别正确率有着极高的要求,同时要求有极低的误识率;此外,大批量数据处理对系统速度又有相当的要求,这就对识别系统提出了更高的要求,许多理论上完美但速度过低的方法是行不通的。因此,研究高性能的手写数字识别算法是一个有相当的挑战性的任务。神经网络应用于手写数字识别的研究也从单一的神经网向集成的方向发展,由于神经网络集成能显著的提高系统的泛化能力,因此将集成神经网应用于手写数字已成为研究的热点。本文提出了一种基于集成学习算法的手写数字识别系统。算法可以在仅比随机预测略好的弱分类器基础上构建高精度的强分类器。本文对辴算法进行了深入研究,重点讨论了该算法应用于手写数字识别上的实现方案。具体而言,本论文主要完成了以下几项工作:迪至撕旯郏⒐郏植浚迦霾愦尉鸥龇矫娴奶卣魈崛。分别应用于九个神经网络分类器。訠窬缱髁松钊胙芯浚⒄攵訠木窒拮隽艘恍└慕来提高网络的收敛速度和避免网络假饱和现象。陨窬缂捎τ糜谑中词肿隽松钊氲姆治觯岢隽集成算法应用于手写数字体识别的解决方案,并做出了实验系统进行验证。测试结果表明该系统在一定程度上提高了手写数字识别的精度,值得进行进一步研究。关键词:神经网络集成算法算法手写数字识别特征提取
知识水坝***@pologoogle为您整理
鑕砌醇蚴萨蓿骵錿∞:瞭禷騦鰊、Ⅵ田伊有丁辢柚钮百∞∞瑃他∞溯Ⅱ鉪急薄藓雐猤百醥∞∞,岫謉丘加,骾脚雝騳∞埝∞∞甤Ⅵ佩『柏∞鵼、耽【:.,珹琀現琤緉,瓵駼ⅰ縧,.
知识水坝***@pologoogle为您整理
睦囱幽&地日期:互盟:垒褐日期::生兰独创性虼葱滦声明关于论文使用授权的说明本人声明所呈交的论文是本人在导师指导下进行的研究工作及取得的研究成果。尽我所知,除了文中特别加以标注和致谢中所罗列的内容以外,论文中不包含其他人已经发表或撰写过的研究成果,也不包含为获得北京邮电大学或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。申请学位论文与资料若有不实之处,本人承担一切相关责任。研究生在校攻读学位期间论文工作的知识产权单位属北京邮电大学。学校有权保留并向国家有关部门或机构送交论文的复印件和磁盘,允许学位论文被查阅和借阅;学校可以公布学位论文的全部或部分内容,可以允许采用影印、缩印或其它复制手段保存、汇编学位论文。C艿难宦畚脑诮饷芎笞袷卮斯娑保密论文注释:本学位论文属于保密在—年解密后适用本授权书。非保密论文注释:本学位论文不属于保密范围,:学位论文作者完全了解北京邮电大学有关保留和使用学位论文的规定,即:导师签名:日期:
珻腶辦是一种新的组合学习器方第一章概述璐锄问题的提出集成学习璐锄器能够表现出比单个学习器更好的性制”。集成学习是机器学习的一个重要分手写体数字识别的研究背景多年的研究实践表明,对于完全没有限制的手写数字,几乎可以肯定:没有一种简单的方案能达到很高的识别率和识别精度。因此,最近这方面的努力向着更为成熟、复杂、综合的方向发展。一方面,研究工作者努力把新的知识运用到法八惴,是通过某种组合方式把一些学习器组合起来,使得组合后的学习支,而对神经网络的集成是集成学习的一个重要的研究方向。实验证明【:神经网络等不稳定分类器的设计、配置、训练都是问题,神经网络的成功应用常取决于使用者的实际经验。为了克服上述问题,目前许多学者开始研究神经网络阬—璷傻姆椒ā<矗诜掷嗪突毓榈任侍庵幸幌盗猩窬网络的某种组合能比单个相应的神经网络表现出更好的性能。集成学习器包含一系列相互独立的、训练得到的神经网络。在区分新的学习实例时,这些单个神经上的研究工作表明:集成后的神经网络学习器通常比单个神经网络学习器能产生更好的性能。手写数字识别卸印是光学字符识别技术∞驴虺苚囊桓龇种В芯康亩韵笫牵喝绾卫用电子计算机自动辨认人手写在纸张上的阿拉伯数字。在整个煊蛑校钗@训木褪峭鸦中醋址氖侗稹5侥壳拔V梗尽管人们在脱机手写英文、汉字识别的研究中已取得很多可喜成就,但距实用还有一定距离。而在手写数字识别这个方向上,经过多年研究,研究工作者已经开始把它向各种实际应用推广,为手写数据的高速自动输入提供了一种解决方案。字符识别处理的信息可分为两大类:一类是文字信息,处理的主要是用各国预处理,特征提取,分类当中,如:神经网络、数学形态学等。作者认为,在手写数字识别的研究中,神经网络技术和多种方法的综合是值得重视的方向。网络学习器的预测结果被集成起来以产生最终的分类结果。大量的理论【和实践北京邮电大