基于ANN的数字字符识别系统

郝亚洲　李文敏

该论文基于ANN算法对数字字符识别算法加以改进,引入神经网络使得数字字符的识别置信度大幅提高。相对于大规模字符识别(如汉字识别)系统,小规模字符识别系统实现难度相对较小,但在日常生活中却应用广泛。因此本系统对于人们日常生活有很大的显示意义。

数字字符识别;人工神经网络;ANN算法

1.需求分析

能够对输入的0到9的10个数字进行识别,在测试之前可以训练好神经网络,之后可以进行测试。可以设定迭代次数使得精度满足要求,并且结果最优。测试结束之后会显示测试相关参数,能够分析测试的最终结果,能够导出结果。

2.设计要点

输入编码;图像重采样;数据归一化;输出编码;确定隐藏单元数目;网络其他参数的确定。

3.设计流程

类的设计;简单结构体设计;类的设计:神经网络类的实现;训练数据类的实现;误差跟踪类的实现;训练对话框类实现;测试对话框类实现。

4.程序编写

神经网络类的实现;神经网络的训练数据类:定义样矩阵,输出向量,类别数目,名称信息,样本存取路径;误差跟踪类-C value Track:绘制训练误差变化曲线;训练对话框类:负责与训练相关设置如:启动,停止,结果保存;测试对话框类:负责测试/识别相关设置。

5.结果展示

本系统基于ANN算法,将人工神经网络引入数字字符识别系统,完善识别算法,有创新点,能够大幅度提高识别结果的置信度,对人们日常生活有较大的现实意义。

[1]拉塞尔,诺维格.人工智能:一种现代方法(第三版)[M].北京:清华大学出版社,2011

[2]马少平,朱晓燕.人工智能[M].北京:清华大学出版社,2004.08

[3]张学工.模式识别[M].北京:清华大学出版社,2010.08.

[4]张铮,王艳平,薛桂香.数字图像处理与机器视觉:Visual C++和Mat lab实现[M].北京:人民邮电出版社,2010.04