神經(jīng)網(wǎng)絡(luò)集成識(shí)別手寫體數(shù)字研究.pdf

1、脫機(jī)手寫數(shù)字識(shí)別在郵政編碼、統(tǒng)計(jì)報(bào)表、財(cái)務(wù)報(bào)表、銀行票據(jù)等方面有著極其重要的應(yīng)用，這些涉及到財(cái)會(huì)金融等領(lǐng)域的數(shù)字識(shí)別對(duì)識(shí)別正確率有著極高的要求，同時(shí)要求有極低的誤識(shí)率；此外，大批量數(shù)據(jù)處理對(duì)系統(tǒng)速度又有相當(dāng)?shù)囊螅@就對(duì)識(shí)別系統(tǒng)提出了更高的要求，許多理論上完美但速度過低的方法是行不通的。因此，研究高性能的手寫數(shù)字識(shí)別算法是一個(gè)有相當(dāng)?shù)奶魬?zhàn)性的任務(wù)。 神經(jīng)網(wǎng)絡(luò)應(yīng)用于手寫數(shù)字識(shí)別的研究也從單一的神經(jīng)網(wǎng)向集成的方向發(fā)展，由于神經(jīng)網(wǎng)絡(luò)集

2、成能顯著的提高系統(tǒng)的泛化能力，因此將集成神經(jīng)網(wǎng)應(yīng)用于手寫數(shù)字已成為研究的熱點(diǎn)。 本文提出了一種基于集成學(xué)習(xí)算法AdaBoost的手寫數(shù)字識(shí)別系統(tǒng)。AdaBoost算法可以在僅比隨機(jī)預(yù)測略好的弱分類器基礎(chǔ)上構(gòu)建高精度的強(qiáng)分類器。本文對(duì)AdaBoost算法進(jìn)行了深入研究，重點(diǎn)討論了該算法應(yīng)用于手寫數(shù)字識(shí)別上的實(shí)現(xiàn)方案。具體而言，本論文主要完成了以下幾項(xiàng)工作： (1)實(shí)現(xiàn)了宏觀，微觀，局部，整體三個(gè)層次九個(gè)方面的特征提取，分別