郝亞洲　李文敏

該論文基于ANN算法對數字字符識別算法加以改進,引入神經網絡使得數字字符的識別置信度大幅提高。相對于大規(guī)模字符識別(如漢字識別)系統(tǒng),小規(guī)模字符識別系統(tǒng)實現難度相對較小,但在日常生活中卻應用廣泛。因此本系統(tǒng)對于人們日常生活有很大的顯示意義。

數字字符識別;人工神經網絡;ANN算法

1.需求分析

能夠對輸入的0到9的10個數字進行識別,在測試之前可以訓練好神經網絡,之后可以進行測試。可以設定迭代次數使得精度滿足要求,并且結果最優(yōu)。測試結束之后會顯示測試相關參數,能夠分析測試的最終結果,能夠導出結果。

2.設計要點

輸入編碼;圖像重采樣;數據歸一化;輸出編碼;確定隱藏單元數目;網絡其他參數的確定。

3.設計流程

類的設計;簡單結構體設計;類的設計:神經網絡類的實現;訓練數據類的實現;誤差跟蹤類的實現;訓練對話框類實現;測試對話框類實現。

4.程序編寫

神經網絡類的實現;神經網絡的訓練數據類:定義樣矩陣,輸出向量,類別數目,名稱信息,樣本存取路徑;誤差跟蹤類-C value Track:繪制訓練誤差變化曲線;訓練對話框類:負責與訓練相關設置如:啟動,停止,結果保存;測試對話框類:負責測試/識別相關設置。

5.結果展示

本系統(tǒng)基于ANN算法,將人工神經網絡引入數字字符識別系統(tǒng),完善識別算法,有創(chuàng)新點,能夠大幅度提高識別結果的置信度,對人們日常生活有較大的現實意義。

[1]拉塞爾,諾維格.人工智能:一種現代方法(第三版)[M].北京:清華大學出版社,2011

[2]馬少平,朱曉燕.人工智能[M].北京:清華大學出版社,2004.08

[3]張學工.模式識別[M].北京:清華大學出版社,2010.08.

[4]張錚,王艷平,薛桂香.數字圖像處理與機器視覺:Visual C++和Mat lab實現[M].北京:人民郵電出版社,2010.04