《联机手写字符识别技术及应用研究--毕业设计》由会员分享，可在线阅读，更多相关《联机手写字符识别技术及应用研究--毕业设计（36页珍藏版）》请在金锄头文库上搜索。
1、毕 业 论 文论文题目 联机手写字符识别技术及应用研究摘摘 要要我们在日常生活中经常进行模式识别的活动。比如说，我们能够分辨出桌子，椅子，很小的时候就能够分出自己的父母，能够听出是谁的声音，能够进行正常的阅读，这些都是我们习以为常的能力，在计算机出来之前，没有人对此表现出惊奇，也没有人注意到人类的模式识别能力是一个值得研究的课题。当计算机出来之后，人工智能开始发展，模式识别也随之成为一个热门课题，当科学家发现用机器实现人来的模式识别能力是如此麻烦时，人们才意识到这个问题的难度。“模式” （Pattern）这个词的原意是指供模仿用的，完美无缺的标本，这是一个相当含蓄的定义，并且触及了一些相当深奥
2、的论题。它使我们想起了 Plato 的观点：客观世界本身正是完美理想的不尽完美的复制品。在心理学中，模式识别的作为一个过程来定义的，通过这一过程，到达感觉器官的外界信号被转换成有意义的感性经验。然而，要精确定义什么是“有意义的感性经验” ，本身就是一件很麻烦的事情。本文首先介绍了模式识别及人工神经网络的一些基本理论，然后讲到了联机手写字符识别的原理和方法，最后讲到的是联机书写数字识别的具体实现。关键词关键词: : 模式识别 应用领域 分类2目 录摘 要 .31.模式识别 .41.1 模式和模式识别的概念 .51.2 模式空间、特征空间和类型空间 .61.3 模式识别系统的构成 .71.4 物体
3、的结构表示 .82.人工神经网络及 BP 网络 .82.1 人工神经网络的组成 .92.2 ANN 的数学描述 .112.3 BP 神经网络 .122.4 BP 算法的实现 .153. 联机字符识别的原理和识别方法 .163.1 汉字识别的历史现状 .173.2 联机字符识别原理框图 .183.3 基于笔划及笔划特征二级分类的联机汉字识别 .213.4 基于活动模板引导的子结构的识别 .284. 联机手写字符识别的实现 .334.1 难点及特征的选取 .334.2 相应的预处理及模板的建立 .345.结束语 .37参考文献 .38仲恺农业技术学院毕业论文(设计)成绩评定表 .3931.模式识别
4、模式识别模式识别诞生与 20 世纪 20 年代，随着 40 年代计算机的出现，50 年代人工智能的兴起，模式识别在 20 世纪 60 年代迅速发展成为一门学科。它所研究的理论和方法在很多科学和技术领域中得到了广泛的重视，推动了人工智能系统的发展，扩大了计算机应用的可能性。几十年来，模式识别研究取得了大量的成果，也实现了很多成功的应用，但由于实际系统中涉及到很多复杂的问题，面对这些问题，现有的理论和方法就显得有些不足了。如何将这些方法结合实际问题加以应用，是绝大多数涉足这一领域的读者所必须考虑的问题。1.1 模式和模式识别的概念模式和模式识别的概念模式，英文“Pattern” ，这个词的本意是指
5、完美无缺的供模仿用的一些标本，也可以说是一个“模板”或“模型” 。一个主要的问题是模式这一概念是如何形成的。它可以由演绎或者归纳过程而得到。首先，我们假定模式这一概念是观察者本身所固有的，或者假定观察者是通过对很多不完全例子的观察而抽象出这一概念的。当这些被观察的例子被标以一种或几种已给定的模式时，这一过程称之“有导师”的学习。如果没有这样的标记也同样行之有效的过程，称之为“无导师”的学习。完成这一工作的精神过程显然很复杂，且还不太为我们所知晓。模式识别是一个不仅被人类也被动物所履行的过程。并且，在进化的意义上，这个贯彻功能有着确定的生存价值。 “抽象化”或者“理想化”也确实允许一个生物以一种
6、相似于由以前的经验所证实行之有效的方法去应付新的同类型情况。较低等的生物所具备的抽象概念也许只限于危险，食物和交配，而较高等级生物所具有的显然更为丰富。模式识别在生物学意义上的重要性表明，人类和动物的神经系统可能已经发展了行之有效的回路。我们也许能概括这一观察，而说神经系统对处理具备生存价值的任务要比没有生存价值的任务远远的有效，这样，我们就不会对人类很容易完成一项复杂的模式识别任务，而对做多位数乘法却感到相当困难这一点感到惊奇。130 年前，数字计算机出现了，他的强有力的数值计算能力，使得人们期望着它也能像人脑一样，具备非数值计算能力，然而，人们早期的乐观期望并没有成为现实，比起先进的计算机
7、来，人脑的机制更为复杂，计算机在数值计算能力方面超过人类并不代表它的通用计算能力也很强，这种非数值计算能力如何在计算机上实现，恰恰成为人工智4能和机器模式识别的重要任务。简单一点说，模式被理解成取自世界有限部分的单一样板的被测量值的综合；模式识别就是试图确定一个样板的类型属性，即把某一样板归属于多个类型中的某一个类型。我们这里要研究的是通过机器的自动识别。这就需要把人们的知识和经验教给机器，为机器制定一些规则和方法，并且让机器具有综合分析和自动分类的判断能力，以便使机器能够完成自动识别的任务。当机器学会自动识别后，可以完成人们自己难以完成的很多工作。因此，模式识别技术被广泛的应用于人工智能，计
8、算机工程，机器入学，神经生物学，医学，侦探学以及高能物理，考古学，地质勘探，宇航科学和武器技术等很多重要的领域，随着高科技的迅速发展，模式识别技术比将获得更广泛的应用，其基本理论和方法也会愈益丰富。1.2 模式空间、特征空间和类型空间模式空间、特征空间和类型空间 从模式识别技术途径来说，由模式空间经过特征空间到类型空间是模式识别所经历的过程。为了说明这些概念，首先解释“物理上可以觉察到的世界” 。在模式识别范畴内，在客观世界里存在这样的一些物体和事件，他们各自都能被适当选择的和足够多的函数来描述，或者说他们在物理上都是可以测量的，它们的可测量数据的集合就称为物理上可以觉察到的世界。显然，这些可
9、测数据，或者说这个世界维数是无限多的。 在物理上可以觉察到的世界里，适当地选择某些物体和事件，我们把它们称为样本，对它们分别进行观测。如前所述，每个样本的观测数据的综合都构成模式，所有的样本观测数据构成模式空间。显然，模式空间的维数与所选择的样本和测量方法有关，也与特定的应用有关，一般说来是很大的，但是是有限值。在模式空间里，每个模式样本都是一个点，点的位置由该模式在各维上的测量数据来确定。由物理上可以觉察到的世界到模式空间经历的过程叫作模式采集。模式空间的维数虽然是有限的，但是还是非常多的，其中有些并不能有效的提示样本的实质。正像人们对事物进行判断之前要进行综合分析一样，机器在做出判断之前也
10、要对模式空间里的各坐标元素进行综合分析，获取最能揭示样本属性的观测量作为主要特征，这些主要特征就构成了特征空间。显然，特征空间的维数大大压缩了。特征空间的每个坐标都是样本的主要特征，简称特征。每个样本在特征空间里也是一个点，点的位置由该样本的各特征值来确定。由模式空间到特征空间所需要的综合分析，往往包含5适当的变换和选择，称为特征提取和特征选择。2由某些知识和经验可以确定分类准则，称之为判决规则。根据适当的判决规则，把特征空间里的样本区分为不同的类型，从而把特征空间塑成了类型空间。类型空间里不同类型之间的分界面，常称为决策面。类型空间的维数与类型的数目相等，一般的说，小于特征空间的维数。由特征
11、空间到类型空间所需要的操作就是分类判决。1.3 模式识别系统的构成模式识别系统的构成有两种基本的模式识别方法，即统计模式识别方法和结构（句法）模式识别方法，与此相应的模式识别系统都是由两个过程（设计与实现）所组成的。 “设计”是指用一定数量的样本（训练集/学习集）进行分类器的设计。 “实现”是指用所设计的分类器对待识别的样本进行分类决策。基于统计模式识别方法的系统主要由以下几个部分组成：信息获取，预处理，特征提取和选择，分类决策。如图 1-2 所示。信息获取 预处理特征提取和选择分类器设计分类决策图 1-2 模式识别系统的基本构成1.信息获取为了使计算机能够对各种现象进行分类识别，要用计算机可
12、以运算的符号来表示所研究的对象，通常输入对象的类型有下列 3 种类型，即 1.二维图象，如文字，指纹，地图，照片这类对象。2.一维波形，如脑电图，L1 电图，机械震动波形等。3.物理参数和逻辑值。前者如在疾病诊断中病人的体温及各种化验数据等；后者如对某参数正常与否的判段，对症状有无的描述，如疼与不疼，可用逻辑值即 0 和 1 表示。在引入模糊逻辑的系统中，这些值还有包括模糊逻辑值，比如很大，大，比较大等。通过测量，采样和量化，可以用矩阵或向量表示二维图象的一维波形。这就是信息获取的过程。2.预处理预处理的目的是去除噪声，加强有用的信息，并对输入测量仪器或其他因素所造成的退化现象进行复原。63.特征提取和选择由图象或波形所获得的数据量是相当大的。例如，一个文字图象可以有几千个数据，一个心电图波形也可能有几千个数据，一个卫星遥感图象的数据量就更大。为了有效的实现分类识别，就要对原始数据进行变换，得到最能反映分类本质的特征。这就是特征提取和选择的过程。4. 分类决策分类决策就是在特征空间中用统计方法把被识别对象归为某一类别。基本做法是在样本训练集基础上确定某个判决规则，使按这种判决规则对被识别对象进行分类所造成的错误识别率最小或引起的损失最小。31.
