基于改进的BP神经网络下的字符识别-论文.pdf

《基于改进的BP神经网络下的字符识别-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、2014年2月韶关学院学报·自然科学Feb．2014第35卷第2JournalofShaoguanUniversity·NaturalScienceVo1．35No．2基于改进的BP神经网络下的字符识别陆玉’，张华2(1．阜阳职业技术学院人文社科系；2．阜阳职业技术学院实训中心，安徽阜阳236031)摘要：我国字符一般由汉字、英文字母以及阿拉伯数字组成，字符图片的类型众多给字符的识别带来了很多困难．参照目前现有人工智能算法的优点，结合了字符特征提取方法设计了一个改进的BP神经网络对归一化后的三类字符进行识别．取得了预期效果．关键词：特征提取；神经网络

2、：字符识别中图分类号：TP391．4文献标识码：A文章编号：1007—5348(2014)02—0020—05当今信息社会常用的字符识别技术主要有3种：模板匹配法⋯，统计决策法和神经网络法[3]等，其中：(1)常用的模板匹配方法基本都是为检测特定图像区域而设置的一个阵列．它把要检测的目标未知图像区域与实际的模版进行比较匹配，进而进行判断．这个过程中计算量比较大，目标未知图像区域的畸变失真及平均灰度值的变化等都会严重影响到实际匹配效果．(2)统计决策法需要大量的历史样本和数值计算作为前提来提取待识别字符的统计特征，通过确保类内差距极小化，类间差距极大化

3、来形成具有突出特征的多维特征向量．(3)利用人工智能方法识别：这种方法的关键是字符特征提取，以本文要采用的BP神经网络为例，它首先对提取到的特征进行学习，并对在学习过程中出现的误差进行反馈调节，最终训练学习结束，可以得到一个理想的识别BP神经网络．1字符特征提取选取到最具有代表性的字符特征，是能否对字符进行正确识别的前提条件．笔者认为字符的特征主要集中于结构特征和统计特征这两大类．字符的结构特征包括：笔画、特征点、线段等：字符的统计特征包括全局特征和局部特征．考虑到实际字符的相关特点，英文和阿拉伯数字字符特征相对较易提取采用“13特征提取法”哺来提取

4、字符特征，看重的是此种方法能反应局部特征、具有统计性质且适应性较好。即从构成该字符的像素点中，直接利用每个点的像素值来作为特征提取的基础，统计提取出其最具代表性的13个特征点；而对于汉字字符，由于构成结构的特性，还可能包含了一些复合词，如“加”、“红”等左右结构累积而成的汉字字符，这使得汉字字符的处理相对复杂得多．因此，对于待处理的汉字字符，笔者采用了密度笔画特征的方法，该方法首先对归一化后字符图像进行向不同方向的投影，再依次对包含文字像素的个数做累加，最终能形成一个较为完整的笔画密度直方图．2基于改进的BP神经网络下的字符识别2．1神经网络理论描述

5、神经网络ESl(NeuralNetwork)是由大量神经元广泛连接而成的网络．它是一个多层前馈网络，由输入层、收稿日期：2013一ll一24基金项目：阜阳职业技术学院2013年校级科研项目(2013JKYXM11)．作者简介：陆玉(1982一)，女，安徽涡阳人，阜阳职业技术学院人文社科系讲师，主要研究从事模式识别方面的研究第2期陆玉，等：基于改进的BP神经网络下的字符识另·21·隐含层、输出层共同组建而成，同一层之间个体神经元彼此独立，而层与层之间是通过全互联的方式来实现联系，这样每一层的神经元可以影响到与它相连接的下一层的神经元，进而实现网络的递进

6、式管理．上述3层BP神经网络是最常见到的网络，但是BP神经网络并不仅限于3层，可以由多层构成．2．2传统的BP网络存在的缺陷及其原因传统的BP网络自身存在着一定缺陷：(1)BP神经网络的自身构成，即神经网络的拓扑结构对整个网络的收敛性、收敛时间以及泛化能力都有很大影响．一个适合求解当前问题的神经网络的构筑会最终转化为确定该神经网络的自身结构的构筑．f2)网络在实际运行中采用的是计算量小、易实现的梯度下降法，在多维空间上优化时可以确保找到一个极值支持网络运行的完成；但此极值不一定是全局的极值，如果找到的是一个局部极值，它就会使网络陷入一个局部区域，这会

7、使得网络在迭代的后期陷入早熟，无法继续有效迭代，从而导致寻找最优解的努力失败．f3)构成BP神经网络的初始参数即相应的权值设置对网络的影响很大，不同的初始权值会影响到网络的收敛效果和速度．初始权值的设置对网络的运行具有至关重要的作用．2．3改进的BP算法的构造针对BP神经网络的不足．笔者尝试从运行机理上进行全面的改进，从而使BP网络的构建能够避免陷人早熟，提高识别精度，并进一步改善运行效率．2_3．1隐含层构成的确定构建一个行之有效的隐含层对于高效求解未知的问题及输入层的结构和输出层的结构都有直接的影响．HechtNielsen与Cybenko已经证

8、明若各节点均采用sigmoid型函数的话，则单隐含层的BP神经网络结构就能实现任意的判决分类问题．为平衡识别