开题报告(武绍国).docx

《开题报告(武绍国).docx》由会员分享，可在线阅读，更多相关《开题报告(武绍国).docx（8页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。

1、中 北 大 学毕业设计开题报告学生 姓 名：武绍国学 号： 06050641X19学院、系：信息商务学院信息工程系专业：电子信息工程设计 题 目 ：基于神经网络的数字识别算法争论指导 教 师 :杜宇慧2023年 3 月 15 日毕 业 设 计开 题 报 告1结合毕业设计课题状况，依据所查阅的文献资料，撰写 2023 字左右的文献综述：文 献 综 述一、 课题争论背景人工神经网络是一门兴的穿插学科，它继承了生物神经网络特征的一局部，简化的模拟了生物神经网络的工作过程。简洁的说，人工神经网络是一个并行的分布处理构造，它由处理单元即人工神经元及其称为联接的无向讯号通道组成1。这些处理单元具有局部内存

2、，并完成局部操作。每个处理单元有一个单一的输出联接，这个输出可以依据需要被分支成期望个数的很多并行联接，且这些并行联接都输出一样的信号，即相应处理单元的信号，信号的大小不因分支的多少而变化。它处理信息的方式完全不同于以往的符号规律系统，具有一些独特的性质：如信息的分布式存储和并行处理、信息存储与处理的合一、具有自组织、自学习力量，它已经被广泛应用于模式识别、信号处理、学问工程、专家系统、优化组合、智能掌握等各个方面2。同时还有很多的应用还处于争论之中，这些应用都是很吸引人的，说明神经网络具有极大的应用潜力。数字识别(Digital Recognition)是光学字符识别技术3 (Optical

3、 Character Reconition, 简称 OCR)的一个分支，其中包含了模式识别领域中大多数课题都会遇到的一些最根本的问题。 数字识别分为印刷体数字识别和手写体数字识别，而手写体数字识别又分为联机手写体数字识别和脱机手写体数字识别4。字符识别处理的信息可分为两大类：一类是文字信息，处理的主要是用各国家、各民族的文字如：汉字，英文等书写或印刷的文本信息，目前在印刷体和联机手写方面技术已趋向成熟，并推出了很多应用系统； 另一类是数据信息，主要是由阿拉伯数字及少量特别符号组成的各种编号和统计数据， 如：邮政编码、统计报表、财务报表、银行票据等等，处理这类信息的核心技术是手写数字识别。因此，

4、手写数字的识别争论有着重大的现实意义，一旦争论成功并投入应用， 将产生巨大的社会和经济效益5。基于人工神经网的字符识别方法是近些年提出的方法，为字符识别争论供给了一种手段。它具有一些传统技术所没有的优点，如速度较快，分类力量强，具有良好的容错力量、并行处理力量和自学习力量。它的目的就是力图通过对人脑功能和构造的模拟来实现字符的高效识别6。经过近几年的快速进展，人工神经网络在字符识别方面得到了广泛的应用。在数字识别系统中，人工神经网络主要充当分类器的功能。网络的输入是字符的特征向量，输出是字符的分类结果，即识别结果。由于识别策略的不同和对问题理解水平的限制，输入的特征向量所包含的信息常常是冗余的

5、，甚至是冲突的。经过反复学习，神经网络可以智能地将特征向量优化，去除冗余、冲突的信息，强化类间的差异。其次，神经网络承受分布式的网络构造，本身具备可以并行的条件，可以加快大规模问题的求解速度7。因而承受神经网络数字识别方式是很好的选择。二、 争论的目的和意义数字识别是模式识别领域的一项传统的课题。尽管很多学者已争论了多年，但目前国际上仍有很多学者在争论。这是由于字符识别不是一个孤立的问题，而是模式识别领域中大多数课题都会遇到的根本问题，并且在不同的课题中8。由于具体的条件不同， 解决的方法也不尽一样，因此数字字符识别的争论仍具有理论和实践意义。数字识别技术是图像处理技术和模式识别技术争论的重要

6、课题，随着国家信息化进程的加速，数字识别的应用需求将越来越广泛。目前，数字识别的关键与瓶颈仍旧在于识别的核心算法性能上，最终目标是争论零误识率和低拒识率的高速识别算法9。数字识别在特定的环境下应用格外广泛，如表格中数字的识别、汽车牌照的数字自动识别和成绩单的识别等多个工程，以及邮政编码自动识别系统，税表和银行支票自动处理系统等，涉及到交通、银行、教育和邮政等多个领域10。当涉及到数字识别时，人们往往要求识别器有很高的识别牢靠性，特别是有关金额的数字识别时。因此，针对这类问题的处理系统设计的关键环节之一，就是设计出高牢靠性和高识别率的数字识别方法。假设能通过数字识别技术实现信息的自动录入，无疑会

7、促进这一事业的进展。因此，数字的识别争论有着重大的现实意义，一旦争论成功并投入应用，将产生巨大的社会和经济效益。三、 争论内容字符识别处理的信息可分为两大类：一类是文字信息；另一类是数据信息，主要是由阿拉伯数字及少量特别符号组成的各种编号和统计数据。然而可以说还没有哪个识别器到达完善的识别效果。在过去的数十年中，争论者们提出了许很多多的识别方法。按使用的特征不同，这些方法可以分为两类：基于构造特征的方法和基于统计特征的方法11 。数字识别属于模式识别的范畴，是模式识别中的一个具体问题，它除了要求识别精度高和工作牢靠外，还要求其识别效率高，识别速度快。这就需要准确的建立数学模型。由于数字识别难于

8、建立准确的数学模型，而神经网络所具有的自学习，自组织力量使我们能在与外部世界的交互作用下，实现无法用当前的计算理论表达清楚的功能。因此， 神经网络有着独特的优势12。目前争论的神经网络字符识别系统可划分为两大类：第一类系统实际上是传统方法与神经网络技术的结合13。这类系统分为两块，第一块主要完成样本模式预处理和字符特征抽取任务；其次块是前面获得的模式特征来训练神经网络分类器，从而到达识别字符的目的。这类系统充分利用了人的阅历来猎取模式特征以及神经网络出色分类力量来识别字符，是人们通常承受的方法。其次类系统省去了特征抽取工作，整个字符直接作为神经网络的输入。这类系统的神经网络构造的简单度大大增加

9、了，首先输入模式维数的增加导致网络规模的浩大,使得网络的训练、学习格外困难；此外神经网络构造上要消退模式变形的影响。通常这类网络都承受局部连接的方式削减网络的简单度，并承受共享连接权的策略增加网络抗变形(输入模式)的力量14。神经网络在手写数字识别方面的应用多承受多层前馈神经网络，其学习算法主要依靠反向传播算法(Back Propagation A1gorithm， BP算法) 1,15,16，BP算法是目前应用最为普遍的一种神经网络训练学习方法。但承受BP算法对网络训练时存在一些缺点，因此， 有人提出将遗传算法与前馈网络结合起来。下面是对这两种算法的简洁介绍：l 反向传播算法(Back-Pr

10、opagation,简写为 BP)是一种单向传播的多层前向神经网络,其构造除输入输出结点外，还有一层或多层隐含结点。由于它在同层结点间无任何联接，故每层结点的输出只影响下一层结点的输出。因此,可视 BP 网络从输入到输出为高度非线性映射，它也是目前应用最广泛的一种模型。BP 算法是在导师指导下，适合于多层神经元网络的一种学习算法,它是建立在梯度下降法的根底上。l 遗传算法(GA算法) 17是美国的Holland教授于上世纪7O年月提出的一种借鉴生物界自然选择和自然遗传机制的随机化搜寻算法，近年来已受到人们的普遍关注，并应用在人工神经网络的学习、优化和自适应等问题中 。遗传算法能够收敛到全局优化

11、解，而且具有良好的并行性、全局优化性和稳健性。将遗传算法与前馈网络结合起来就很有意义，不仅能发挥神经网络的映射力量，而且使神经网络具有很快的收敛性及较强的学习力量。 遗传算法与神经网络结合主要有两种方式：一种是用于网络训练，即学习网络各层之间的连接权值；二是学习网络的拓扑构造。对于网络的拓扑构造优化问题缺乏有效的学习算法。因此将遗传算法与神经网络相结合，主要是通过改进BP网络参数，形成一种兼有两者之长的算法遗传神经网络算法17。参考文献：1 郑南宁，王龙，胡超，刘健勤.BP 神经网络的改进及其用于手写数字识别的争论.西安交通大学学报.1992,26(1)：1122 陈伟，马如雄，郝艳红基于 M

12、ATLAB 的 BP 人工神经网络设计电脑学习2023，2：30313 张圣楠，郭文义，肖力墉基于MATLAB 的 BP 神经网络的设计与训练内蒙古科技与经济2023：95984 杜娟，韦关锋，李夕海基于MATLAB 和神经网络的数字识别电脑编程技巧与维护2023，2：31325 邵慧娟，王绪本，熊煜基于人工神经网络的数字识别技术 物探化探计算技术2023，27(1)：78806 武强，童学锋，季隽基于人工神经网络的数字字符识别计算机工程2023， 29(14)：1121327 刘平兰基于神经网络的手写体数字识别方法的争论情报方法2023，1：5960 8汪同庆，居琰，任莉 基于神经网络及多层

13、次信息融合的手写体数字识别小型微型计算机系统2023，24(12)：228622909 胡永东,叶青基于小波和RBF 神经网络的手写体数字识别 微处理机2023，4：242810 刘平兰数字图书馆中手写体数字的神经网络识别的方法情报技术2023， 4：192011 杨 慧,刘幼华.应用神经网络的手写体数字识别算法争论. 中国民航学院学报.2023,20(3):424512 赵全友基于动态权值集成的手写数字识别争论广东：广东工业大学，2023 13林慎机.基于人工神经网络的低限制手写数字识别.计算机工程.1990,6:1614邬建瓴.数字识别及其应用.硕士学位论文.武汉：华中科技大学，2023

14、15曲婷婷基于 BP 神经网络的有噪数字识别北京：中国地质大学，202316 须岳林.基于 BP 神经网络的印刷体字符识别系统的争论.南京：南京航空航天大学，202317 刘陶,何建军,谢永.基于遗传神经网络的手写体数字识别算法的探讨.江西理工大学学报.2023,28(6):2931毕 业 设 计开 题 报 告本课题要争论或解决的问题和拟承受的争论手段途径：一、本课题要解决的问题是：本课题是完成对基于神经网络的数字识别算法的争论。了解数字识别的进展状况和理论意义，理解神经网络进展识别的原理，利用神经网络完成对数字进展识别， 要求到达较高的识别率。用 MATLAB 软件编程实现较高识别率的数字识

15、别。二、本课题拟承受的争论方法是：（1） 查阅文献，把握神经网络理论及其在数字识别方面的应用。（2） 软件编程实现利用神经网络进展数字识别，要求完成如下内容：A. 首先对数字图像进展预处理和特征提取。B. 把握神经网络的建立，训练和识别过程。C. 利用神经网络建立分类器，对由对数字图像特征提取后的特征构成的样本集进展训练学习。D. 利用由数字图像构成的测试集对训练好的网络进展测试，要求到达较高的识别率。E. 尝试改进网络构造提高算法速度和精度。F. 尝试针对印刷体数字和手写体数字分别进展上述争论。三、本课题拟承受的争论手段：主要是基于 MATLAB 软件来实现数字识别的算法。四、本课题设计进度打算：2 月 23 日3 月 15 日 确定毕业设计选题，依据毕业设计任务书，查阅相关资料， 完成开题报告；3 月 16 日3 月 31 日 理解文献，把握相关理论；4 月 1 日4 月 30 日 软件实现相关理论；5 月 1 日5 月 31 日 总结归纳所学理论和试验结果，完成毕业论文的书写、修改和最终定稿；6 月 1 日 6 月中旬 预备论文辩论，进展毕业论文正式辩论；毕 业 设 计开 题 报 告指导教师意见：所在系审查意见：指导教师：年月日系主任：年月日