基于bp神经网络的数字识别.pdf

基于bp神经网络的数字识别

数值分析实验报告

题目基于BP神经网络的数字识别

姓名

学号201531452

专业

3

目录

摘要I

一、背景介绍0

1.1.研究背景0

1.3.本课题主要的研究内容0

二、图像预处理1

2.1.彩色图像的灰度化1

2.2.灰度图像的二值化1

2.3.梯度锐化1

2.4.去离散噪声1

2.5.归一化调整2

三、模式识别2

3.1.特征提取2

3.2.BP神经网络2

3.2.1.BP算法的多层感知器2

3.2.2.BP算法过程3

3.3.BP神经网络设计与训练5

3.3.1.BP神经网络的设计方法5

3.3.2.神经网络仿真程序设计5

3.3.3.神经网络测试。6

四、仿真实验的结果6

五、总结7

参考文献8

基于BP神经网络的数字识别

摘要

人工神经网络技术在现在取得了巨大的发展，它具有的高度非线性，使我

们能表达一些至少是目前尚无法用计算理论表达清楚的外部世界模型；同时，

神经网络所具有的自学习，自组织能力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；对于那些无法建立精确数学模型

的系统，神经网络有着独特的优势。

本课题主要研究基于BP神经网络的方法来实现数字识别。首先对图像进行

灰度化、二值化、平滑去噪、归一化、细化的预处理，以便于进行像素值的提

取，对设计好的神经网络进行训练，对比训练的结果与期望的结构，并根据对

比的结果对神经网络的一些权值进行修改，最终得到训练好的神经网络。并选

择测试样本，进行仿真测试。

整个仿真实验中，对含数字的图片进行处理，其数字识别效果可在本课题

中的MATLAB仿真实验中体现。

I

关键词：神经网络；灰度化；预处理；仿真测试

II

一、背景介绍

1.1.研究背景

为了解决计算机字符的自动识别、高速加工处理,使计算机达到真正智能化,

人们对计算机识别进行了多年的研究,并取得了很大的进步。数字识别是字符识

别的一个分支，一般通过特征匹配及特征判别的方法来进行处理,目前识别率还

较低。因此,为了提高识别率,还要寻求新的方法和途径。

近年来,人工神经网络技术取得了巨大的发展,它所具有的优势：固有的并

行结构和并行处理、知识的分布存储、容错性、自适应性、模式识别能力,为手

写体数字识别开辟了新的途径。

数字识别作为模式识别的一个重要分支,在邮政、税务、交通、金融等行业

的实践活动中有着及其广泛的应用。

数字识别作为模式识别领域的一个重要问题，也有着重要的理论价值。

方面，阿拉伯数字是世界各国通用的符号，因此，数字是一个重要枢纽。在符

号识别领域，数字识别为这一领域提供了一个算法研究的平台。另一方面，数

字的识别方法很容易推广到其它一些相关问题，特别是对英文字母的识别，但

到目前为止机器的识别本领还无法与人的认知能力相比，这仍是一个有难度的

开放问题1.2.数字识别的发展现状

模式识别(PatternRecognition)是对表征事物或现象的各种形式的(数值

的、文字的和逻辑关系的)信息进行处理和分析，以对事物或现象进行描述、辨

认、分类和解释的过程。它是信息科学和人工智能的重要组成部分。而数字识

别作为模式识别的一个分支。在日常生活和科研中具有十分重要的