10.3969/j.issn.1001-8972.2009.06.040
基于Hopfield的脱机手写数字识别理论及算法
脱机手写数字识别在很多领域具有广泛的应用前景,国内外学者对此做了大量的研究工作,提出了很多预处理和模式识别的算法,大大提高了手写数字的识别精度.为了提高手写数字识别的精度,本文将Hopfield神经网络应用于脱机手写数字识别分析中,Hopfield神经网络的"能量函数"的能量在网络运行过程中,具有不断地减少最后趋于稳定的平衡状态的特性,而且网络一旦建立即可自动运行,无需训练.脱机手写数字的识别过程分为两步:训练阶段,识别阶段.在训练阶段,提取训练样本集的代数特征,建立网络模型,以输入向量为目标向量,保存网络连接权值和阈值以及代数特征;在识别阶段,将待识别数字特征送入网络运行,待网络运行到平衡状态后,将输出结果与数字特征库的向量进行比较,距离最小者即为待识别的数字.
脱机手写数字识别、Hopfield神经网络、小波变换、特征提取
TP3;TN9
2009-05-12(万方平台首次上网日期,不代表论文的发表时间)
共4页
87-90