人工智能教案06章神经网络6.5 神经网络在模式识别中的应用

《人工智能教案06章神经网络6.5 神经网络在模式识别中的应用》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、6.5神经网络在模式识别中的应用　　模式识别是神经网络最有应用前景的领域之一。模式识别是六十年代兴起的新兴科学分支，其主要研究内容是用计算机模拟生物、人的感知（感觉），对模式信息，如图像、文字、语音等，进行识别和分类。模式识别是个跨领域的科学研究分支，不仅仅涉及计算机科学的信息处理技术，而且涉及数学、心理学及人类的感觉与思维规律的探索。　　传统人工智能的研究部分地显示了人脑的归纳、推理等智能。但是，对于人类底层的智能，如视觉、听觉、触觉等方面，现代计算机系统的信息处理能力还不如一个幼儿园的孩子。神经元网络的研究填补了该方面的不足，以崭新的思路，

2、奇特的性质引起了人们的极大兴趣。神经网络模型模拟了人脑神经系统的特点：处理单元的广泛连接；并行分布式信息储存、处理；自适应学习能力等。模式识别的神经网络方法与传统方法相比有如下特点：　　①具有较强的容错能力。　　容错能力主要是由于信息分布式存储所决定的。由于信息的广泛、分散地存储，匹配时噪声、畸变引起的局部误差的影响大大减小。同时，从理论上分析，神经网络的容错能力是向量空间映射的结果。以前向神经网络为例，输入空间的低维特征向量经过神经网络的输入层的映射后转换成为隐含层神经网络处理单元代表的新向量，即，进行了一次向量空间映射。从隐含层到输出层又是

3、一次向量空间的映射。一开始有交叉混杂的向量经过几次映射后渐渐被分离开来实现了分类的目的。神经网络分类不是机械式的匹配，因此有较高的容错能力。　　②具有较强的自适应学习能力　　从本章的前几节我们可以看到，神经网络的学习大致可以分为构造型和训练型两种。其中训练型网络又包括有教师训练型和无教师训练型。自适应学习能力主要是指无教师信号的学习能力。具有这样学习方法的网络可以根据大量样本自身的特性进行自动分类，即，自动进行学习，使系统自适应于样本空间，具有相应的分类能力。　　③并行信息处理结构，速度快　　无论是哪种神经网络模型都具有这个特性，这是由神经网络

4、研究的基本原理决定的。即，大量的处理单元----神经元；处理单元间的相互连接----多输入单输出。只有这样才能构成神经网络。　本节主要介绍神经元网络在文字识别中的应用。　　文字识别实质上是模式（样本）分类，即对于一个输入样本根据其某些特征进行判断，最终将其归于一个最相似的类中。　　文字识别是模式识别的重要应用领域，文字识别技术涉及到模式识别、图像处理、人工智能、模糊数学、组合论、信息论、计算机科学等多个学科，也涉及到语言文字学、心理学等学科，是一门综合性学科。　　字符识别系统工作过程如右图所示：图6-16字符识别流程t6-16_swf.htm建

5、立字符识别系统的主要步骤：　　①样本筛选、校对　　②待识别文字所在文本的版面分析，文字切分　　③文字的图像预处理　　④文字特征提取　　⑤分类识别　　⑥识别结果后处理①样本筛选、校对　　为建立一个良好的识别系统，学习（训练）样本是必不可少的。样本筛选的主要目的是选取合理的学习样本。理论上讲，训练样本只有覆盖整个样本空间才能保证分类器设计的鲁棒性性能，即，系统进行识别时分类器能够正确判定所有类型的输入样本。但是实际上，由于待识别样本集合是开放的、不可穷举的，因此要求覆盖整个样本空间是不可能的。我们只能尽可能的挑选样本，使其覆盖面广一些。样本的校对是

6、为了保证训练样本的正确性。首先，要保证样本是切分正确的，比较干净的（噪声较少）。此外，如果采用的是有教师监督学习方法，必须保证样本的标注，即每一个样本的正确答案，也就是教师信号是正确的。　　本节对该部分内容不进行详细论述　　②待识别文字所在文本的版面分析，文字切分　　字符识别是在待识别文字得到正确的分离的前提下进行的。因此，文字识别系统的很大一部分工作是文本的版面分析与字符的切分。只有将含有字符、图像等复杂内容的文本版面进行正确的分析，分离出字符区域，应用相应算法将该区域内的字符一个个的切分开，提取出来，才能够进入字符识别的程序。　　目前的文字

7、识别技术已经基本成熟，进入了商品化的阶段，研究内容集中在版面分析、去噪等难点上。　　本节对该部分内容不进行详细论述　　③文字的图像预处理　　－图像去除噪声　　－文字图像归一化　　－文字笔划细化　　－文字笔划平滑　　得到一个个字符图像后，需要进行一系列预处理才能够将字符图像提交给识别器。其中包括去除噪声：将图像中不应有的点、线去掉。有一些可能是切分遗留的问题，有一些可能是纸张、印刷的问题。归一化：文字被输入到计算机中在提取特征前通常需要把文字作归一化处理。归一化有位置归一化、大小归一化、笔划粗细归一化。细化：有些识别算法要求文字是单笔划，或粗细比

8、较均衡的笔划构成，因此需要对文字的笔划进行细化。平滑：平滑的目的主要是去掉细化后的文字变形，即平滑掉细化产生的毛刺。　　本节对该部分内容不进行详细论述