英语原文共 83 页，剩余内容已隐藏，支付完成后下载完整资料
问题说明:手写体数字识别是一个具有挑战性的问题。在我们的研究中，与数字有关的领域很多，如银行结账、车牌识别等，就出现了数字识别这一课题。识别孤立数字的系统可以作为处理这种应用的一种方法。换句话说，就是让计算机理解用户手工书写的阿拉伯数字，并根据计算机的程序来查看它们。对图像处理和模式识别感兴趣的科学家和工程师已经开发了各种方法来处理手写数字识别问题，如，最小距离，决策树和统计。方法:我们的系统的主要目标是识别存在于不同应用中的孤立的阿拉伯数字。例如，不同的用户有他们自己的手写风格，主要的挑战是让计算机系统理解这些不同的手写风格并将其识别为标准书写。结果:提出了一种处理此类问题的系统。该系统首先采集一幅含数字的图像，利用光学器件对图像进行数字化处理，对图像中的数字进行增强和修改后，利用前馈-后馈传播算法对其进行识别。对10位独立作者的阿拉伯手写数字进行研究，共贡献1300个孤立的阿拉伯数字，这些数字分为两个数据集:训练1000个数字，测试300个数字。使用该系统所使用的测试数据集的总体精度达到95%。结论:我们开发了一个阿拉伯手写识别系统。我们有效地选择了一种适合我们需求的分割方法。我们的系统成功地设计和实现了一个高效、无要求的神经网络，之后系统能够理解用户手工书写的阿拉伯数字。
计算机科学学报5 (6):427-434,2009ISSN 1549 - 3636copy;2009 Science Publications通讯作者:Saleh Ali K. Al-Omari，马来西亚大学计算机科学学院，槟城11800马来西亚427
利用神经网络进行数字识别Saleh Ali K. Al-Omari, Putra Sumari, Sadik A. Al-Taweel, Anas J.A. Husain马来西亚圣大学计算机科学学院11800年槟榔屿、马来西亚
摘要:问题陈述:笔迹数字识别是一个具有挑战性的问题我对这一领域的研究已经有很长时间了，特别是近几年。在我们的学习中有很多字段与数字有关，例如，检查银行或识别车牌上的数字数字识别主题出现。识别孤立数字的系统可以作为一种方法处理此类应用。换句话说，让计算机理解阿拉伯数字由用户手工编写，并根据计算机程序查看。科学家和对图像处理和模式识别感兴趣的工程师已经开发出各种各样的方法处理的手写数字识别问题，如，最小距离，决策树与统计。方法:我们的系统的主要目标是识别孤立阿拉伯数字存在于不同的应用程序中。例如，不同的用户有他们自己的笔迹风格的主要挑战在于让计算机系统理解这些不同并将其识别为标准书写。结果:我们提出了一个处理系统这样的问题。系统首先获取一个包含数字的图像，这个图像是数字化使用一些光学设备，并在应用一些增强和修改后图像内的数字可以通过前馈-后馈传播算法进行识别。研究对10位独立作家的阿拉伯手写数字进行了调查，他们总共贡献了1300个孤立的阿拉伯数字这些数字分为两个数据集:训练1000个数字，测试300个数字。
使用该系统所使用的测试数据集的总体精度达到95%。结论:我们开发了一个阿拉伯手写识别系统。我们有效地选择了一个细分市场符合我们要求的方法。该系统成功地设计并实现了一个神经网络无需要求，系统就能有效地运行，之后系统就能理解阿拉伯数字由用户手动编写。关键词:神经网络，神经网络，分割，数字识别，前馈-后馈传播算法介绍最近，很多作品都是靠人来完成的电脑;以便让处理的时间来减少并提供更多准确的结果，例如，根据不同类型的数据，例如作为字符和数字和数字使用经常在正常寿命运行。为了实现自动化处理诸如邮政编码等数字的系统，银行账号和车牌号。自动识别号码系统是本研究提出。数字识别已经被广泛的发现和应用研究。在图像处理和模式识别技术已经被科学家开发出来和工程师来解决这个问题(1、16)。这是因为它在很多领域都很重要可能用于银行的支票或识别车牌上的数字，或许多其他应用。本研究的数字识别系统是所建立的系统，可以造福各个领域对于孤立的数字，输入被认为是是一幅具有特定大小和格式的图像，该图像是经过处理然后识别为编辑后的结果位数。
该系统识别孤立的阿拉伯语当系统获取由数字组成的图像时，然后，图像将被处理成几个阶段如图像增强、细化、骨骼化等以及识别数字前的分割。一个多层神经网络将用于识别阶段;一种前馈后馈传播j .计算机科学。， 5 (6):427-434, 2009428算法将用于训练网络和最后将它们转换成数字文本[2]。相关工作:模式识别是一个研究领域这是久经考验，众所周知的特别是在数字识别领域的研究哪一个被认为是最明显的挑战数字识别的重要贡献者之一。然而，阿拉伯数字识别被认为是最近引起研究者注意的主要领域。阿拉伯数字识别吸引了研究人员主要是两个方面;第一，等级划分输入字母空间很容易解决的问题。第二,启发式地定义分类或特征的规则选择，这取决于作者和书面材料(数据)。
Jurgen Frank做的实验
多项式分类器的方法。有三个分类器;第一个是简单线性的。这是有效地构建并成功地测试了该目的为不同的数据集获得一个参考点。因此，性能会根据不同情况得到改善关于几个复杂的多项式结构。的第二分类器包括提取的效果用Karhunce-loeve演示的功能变换和一些迭代学习的结果提及提供。第三个分类器包括针对各种结构类型的固定分类器方法的分类器系统。因此，并对其性能效果进行了论证并在培训中支持这些不同的系统测试阶段为[3]。Alceu de Britto等人。[4]提出了一种方法识别手写的依赖数字字符串基于hmm的两阶段方法。可能的识别性能的损失由返回这是方法造成的必然权衡在识别和分割之间的一个隐式有效的策略。在第一阶段分割过程，隐式分割过程关注上下文信息的意义提供多个segmentation-recognition假设前面提到的预处理字符串是拍摄的。在第二阶段，这些假设被重新验证在a中通过执行隔离进行排名和验证数字分类器。在12802上做一个实验不同长度的手写数字串被用来证明两阶段识别策略是一种很有前途的方法。平均改善9.9%的是验证阶段对字符串识别率。一个触摸数字对识别率为89.6%用这种方法得到的。手写的遗传程序设计技术数字识别是由[15]在USPS数据上一些变化出现在选择和进化的方法通常伴随着基因编程系统，比如老年人，有向交叉、输出交叉和节点突变。这种基因方法显示出了希望结果使用inter-输出交叉使用19个特征。确认银行支票金额的方法建议在银行支票上手动输入通过[5]。几个分割算法，实现了更好的对获得的单个数字进行分割。最后，对系统进行了设计要先找最有可能的那个;如果失败，它使用不同的技术。利用神经网络建筑采用四组神经可并行应用的各种类型的网络为了减少错误读取的机会，数字机密。用于训练神经网络的数据包括3103张实际支票和1444段准确性。综合精度采用MLP神经网络网络占85%左右。一种光学字符识别技术框架由[6]。这取决于手-打印的数字识别字段。从签证信用中卡片申请表格，数字字段都被拿走了从二进制图像。个人身份的电话数字和其他数字包含在的形象。建议的OCR框架是考虑be为级联神经网络。它包含三个阶段;第一阶段是自组织特征映射算法。第二个阶段将距离值映射到使用梯度的变体隶属度值学习算法。第三阶段是网络多层前馈。实验的测试数据集上有效执行CCL/ITRI数据库，其中包含90,390以上手写的数字位数。测试识别率为本实验结果为98.85%。Ernst Kussul和Tatiana Baidyk[7]有有效的开发了一种新的神经分类器限制接受能力区(里拉)。分类器里拉包含三个神经元层:输出层、传感器层和关联层。该分类器在两个图像数据库上进行了测试。的第一个数据库是包含的mist数据库六万张手写数字图像用于分类器训练和一万张手写数字图像分类器的测试。第二个数据库有441个映像组装微器件。为了划分数据库一个随机程序被用来测试和训练子集。分类器LIRA的错误率为0.61%三个试验的平均值。j .计算机科学。， 5 (6):427-434, 2009429图1:4中不同形状的例子 图2:人工数字识别场景神经网络最后WESTALL提出了一种方法为了在系统中使用神经网络手写数字的决策逻辑分割。这种方法是成功的在一个商业系统中实现的国际上用于识别手写文字个人银行支票金额;基于计算机的识别不受约束的手写字段内金融文件的扫描图像有三个步骤。第一步是字段标识，它提供位置内的图像通常为矩形包含目标字段的感兴趣区域。的第二步，识别必须由对每一组像素进行分割压缩字段的数字。第三步是分类通过分割提取的数字[8]。
框架:涉及很多领域数字，例如在银行的支票或识别车牌上的数字，数字识别的主题出现了。识别孤立数字的系统可以作为处理这类应用的一种方法。在换句话说，就是让电脑理解阿拉伯语用户和视图手动写入的数字按照计算机的程序进行。在这里,我们提供一种识别孤立阿拉伯数字存在的方法在不同的应用程序。例如，不同的用户这里有自己的书法风格的主要吗挑战在于让计算机系统理解这些不同的笔迹样式，并把它们识别为标准的编写。图1显示了一些例子user-handwritten不同。图2为数字识别的人工神经网络其中包含输入和隐藏层和输出与该号码(4)用于检查网络。图3:阿拉伯数字识别的概图系统系统组成:ADR是一组阿拉伯语数字(0-9)手写，数字会给到系统手写有不同的风格，尺寸和可能的方向。系统还包括图3。材料和方法有四个步骤来构建孤立的数字识别系统。这些步骤如图3所示以下是对它们的描述:图像获取:我们将获取图像到我们的这个图像应该有一个特定的格式，例如，bmp格式和具有确定的尺寸如30times;20像素。可以获得这幅图像通过扫描仪或数码相机等数码设备输入设备[9]。预处理:获取图像后，将其经过一系列的预处理步骤来处理为下一步做好准备。噪声去除
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[257816]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
