免费看男阳茎进女阳道视频

                        24小時論文定制熱線

                        咨詢電話

                        熱門畢設:土木工程工程造價橋梁工程計算機javaasp機械機械手夾具單片機工廠供電采礦工程
                        您當前的位置:論文定制 > 畢業設計論文 >
                        快速導航
                        畢業論文定制
                        關于我們
                        我們是一家專業提供高質量代做畢業設計的網站。2002年成立至今為眾多客戶提供大量畢業設計、論文定制等服務,贏得眾多客戶好評,因為專注,所以專業。寫作老師大部分由全國211/958等高校的博士及碩士生設計,執筆,目前已為5000余位客戶解決了論文寫作的難題。 秉承以用戶為中心,為用戶創造價值的理念,我站擁有無縫對接的售后服務體系,代做畢業設計完成后有專業的老師進行一對一修改與完善,對有答辯需求的同學進行一對一的輔導,為你順利畢業保駕護航
                        代做畢業設計
                        常見問題

                        手寫字母識別系統開發

                        添加時間:2018/12/19 來源:電子科技大學 作者:劉念
                        在手寫體字母、數字識別中,為了充分發揮 BP 神經網絡算法的優勢,克服它 的諸多缺陷,再結合遺傳算法全局優化,能克服局部極小點等優點,構造遺傳神 經網絡算法模型。
                        以下為本篇論文正文:

                        摘要

                          模式識別的研究成果在文本分類、語音識別、圖像識別、視頻識別、信息檢索、醫學圖像分析與數據挖掘等領域得到了廣泛的應用。字符識別是模式識別研究的重要內容,印刷體文字識別在國內外經過多年的研究并取得了應用性很好的成果,但手寫字母識別具有大量的隨意性和筆畫的不規則性,對手寫字母識別具有更大的難度。隨著研究的深入和大量的技術引入,研究人員對手寫體字母識別提出了很多種解決方案,產生了多種識別算法。所有研究提出的這些方法和相應的算法,都是在特定條件下可行,并且各有其優缺點,至今還沒有發展成統一的、有效的可應用于手寫字母識別的模式識別模型。集成神經網絡之所以能夠成為如今就手寫字母識別研究方面研究的核心,是因為其能大幅度地提高系統在泛化方面的能力。

                          在參考相關文獻之后,本文重點研究 BP(Back Propagation)神經網絡算法和遺傳算法相結合的方式來實現手寫字母識別。識別系統有學習與識別兩大板塊,其中學習部分是由 7 個 BP 神經網絡學習訓練所組成的,自適應訓練是按照選定的參考數值進行訓練,計算出輸出的誤差,再按照輸出的誤差選擇計算局部最優的神經網絡算法或者選擇全局最優的遺傳算法,充分發揮人工神經網絡算法局部尋優的計算能力和利用遺傳算法全局尋優的計算能力。識別部分包括由特征提取模塊和神經網絡識別模塊構成。字母識別只是通過網絡的前饋計算得出最終的識別結果;數字識別是直接網絡的前饋計算得到最終的識別結果,沒有運用更為復雜的算法。

                          利用 VC++編程實現遺傳神經網絡算法并結合對字母識別的實驗,手寫字母識別測試平均識別正確率為 71.92%,識別結果比較令人滿意的。實驗結果表明,遺傳神經網絡既能完成特征提取又能完成分類功能,經過足夠多的原始樣本訓練后的遺傳神經網絡,其容錯性和識別性比較好。

                          關鍵詞:手寫字母識別,BP 神經網絡,遺傳神經網絡

                        ABSTRACT

                          Research of pattern recognition has been widely used in text classification, speech recognition, image recognition, video recognition, information retrieval, medical image analysis and data mining etc.. Character recognition is an important content in the research of pattern recognition, the printed character recognition at home and abroad after years of research and have made use of very good results, the production of a number of companies out of the character recognition of appropriate equipment put on the market, has brought great convenience to the text entry. Irregular handwritten character recognition has a large number of random and stroke, is more difficult for handwritten character recognition, handwritten character recognition is also a big challenge to researchers is very exciting, is a research hotspot in recent years. With the introduction of the in-depth study and a large number of technology, researchers handwritten letter recognition proposed many solutions, produced a variety of recognition algorithm. At present, there are a variety of character recognition methods,such as the identification of template method is applicable to printed text; statistical decision method is a statistical classification method of pattern, cannot reflect the fine structure pattern; syntactic structure is pattern recognition using pattern and sub pattern of hierarchical tree structure information completed, anti interference the ability is too weak. All of these methods and the corresponding algorithm, are under certain conditions is feasible, and each has its advantages and disadvantages, still did not develop into a unified, efficient and can be used for the handwritten pattern recognition letters recognition model. Integrated neural networks have become the core now handwritten character recognition research, because it can greatly improve the ability of generalization of the system in the.

                          On the handwritten letter recognition at present is the use of genetic algorithm,which is also based on the genetic algorithm in order to improve the recognition ability of BP (Back Propagation) neural network algorithm, and this article is through the study of relevant information to analyze the both the effect of use. Recognition system two plate learning and recognition, in which the learning part is composed of 7 BP neural network learning and training the composition, adaptive training is training according to the reference values of selected, calculating the output error, then according to the output error calculation of local optimal neural genetic algorithm network or global optimum, give full play to the role of computing ability of artificial neural algorithm of local search and genetic algorithm for global optimization. Recognition component includes a feature extraction module and recognition module, used to identify the letters just through the network to forward calculation obtains the final recognition results. For the feedforward direct network digital identification calculation to get the final recognition results, without the use of more complex algorithm.

                          The realization of genetic neural network algorithm and the combination of letter recognition experiment with VC++ programming, handwritten letter recognition test average recognition rate of 71.92%, the recognition results are quite satisfactory. The results show that: there is a direct relationship between recognition and handwritten letter specification, when handwritten letter is standardized, good recognition effect.

                          Key Words: handwritten letter recognition, numerical optimization of BP neural network, genetic neural network

                          經過 30 多年的研究,光學字符識別技術使陷入困境的文檔數字化迎來了管理上的飛躍。OCR(Optical Character Recognition,光學字符識別)是對報刊、書籍、文稿以及其他印刷品等文本資料經過掃描設備轉換為圖像,再根據設計好的文字識別算法對圖像進行灰度化、二值化處理,然后再提取字符相應特征,取得可被計算機應用軟件進行編輯處理的文字信息。在這之后研究人員不斷努力,又研究出了基本原理大致相同的圖像字符識別技術和智能字符識別技術,簡稱為 ICR(intelligent character recognition,人工智能文字識別)技術,這一技術應用領域包括氣象測預、來自衛星傳回圖片解釋、產品質檢、文字識別、聲音識別、分析醫學檢測中的圖像、人體指紋的識別等[1]

                          許多方面,在各行業應用前景廣闊,許多研究機構和業界廠商投入了很大的力量來研究這一技術,國外的知名企業有 IBM 公司、東芝公司等,國內如清華紫光、文通等廠商都一直在從事這一技術的研究工作。隨著 OCR 技術的發展和成熟,辦公文檔等印刷品的管理就不再會因數據處理困難而產生困惑了。在企業實現數據資料的信息化管理中,利用 OCR 技術實現辦公文檔等印刷品的管理可以節省人力物力,減少了大量的成本和損耗。

                          通過電子計算機這種高科技去自動地識別人們手寫的字母,這就是我們所說的手寫英文字符識別,同時,它也是上述 OCR 技術的應用之一;目前,手寫字母識別存在一個很大的難關:對脫機式手寫字母的辨別。近年來通過人們的研究和努力,結合現代計算機技術深入研究了脫機識別手寫數字、字母、漢字技術并取得了應用性的成果,推動了文字識別技術的進步和發展。手寫字母識別是在手寫數字識別研究的基礎上被提出并應用于很多地方,在對手寫字母識別的研究過程中,研究人員發現了很多對于其今后的發展有利的成果,它能夠使手寫字母輸入在一定的情形下變得可能實現。在模式識別這個研究范圍之內,手寫體識別是最難以攻克的,但是如果對手寫體識別的研究取得了一定的進展,就會促進其發展與效益的增長。

                          針對手寫字母識別這一研究方向,經過多個領域的專家和學者的不斷努力,提出了多種解決方法,經過實驗和實踐取得了各自特定要求下的研究成果。在手寫字母識別系統中,特定要求包括手寫的正規程度,要求對手寫字母的字體有較多限制,最常見的限制是訓練樣本和測試樣本要由同一個人來書寫;此外還包括規范化字符書寫要求或字符書寫位置、選用的筆、選用的紙張都有要求,如識別賬表文字就要求字符書寫用規定的字型。目前真正的沒有限制的手寫字母識別還有待進一步的研究和提高。

                          手寫字符識別技術涉及多個學科理論的相關技術,如人工智能、模糊數學、形式語言、數字圖像處理和自動機、組合類數學;在理論上有統計理論與信息論;另外與其他方面的學科也有聯系,包括語言文字學、心理學以及生物學等,這就說明手寫字符識別技術聚集了很多學科的知識[2-5]。模式(Pattern)是指對現實生活中感官感知的外界信息或從生產實踐中的直接經驗進行歸類和抽象后提取出來信息,把同類模式歸在一起的集合稱為模式類,例如我們知道的文字、圖片信息、語言、聲音和景物信息等。對模式的研究就是尋找解決某一類問題的方法,而且會得到解決問題的最佳辦法。

                          通過計算機這種工具來實現對事物進行自動辨別,這就是我們所說的模式識別(Pattern Recognition),基于研究的基礎上制造出模仿人識別事物的機器系統來自動進行事物分類和事物描述,模仿人對客觀事物進行區分并處理各類不同信息。

                          在二十世紀二十年代,模式識別第一次被人們提出,最初的模式識別僅限于在文字、車牌號、圖像等方面進行識別,其主要的職能是使機器能具備自動分類與辨別。而后隨著對模式識別深入地認識與研究,發現模式識別同樣可以應用到計算機中,由此使得智能系統高速發展。

                          手寫字符識識別是模式識別方法論在對書寫的文字符號按相似的程度,正確地歸入某一類別。例如,手寫字母“G”時,書寫字體因人而異會得到多種書寫字體,但它們都是同一個字母的不同寫法,熟悉英文的人從未見過的某種寫法的“G”,也能正確地將其歸屬于字母“G”類。與上述理論相同,盡管當我們去看一個人時,會因為觀看角度的不同就會導致看到的效果不同,然而我們僅需要知道人的身份,就可以把觀看到的所有統稱為這個人的臉部特征。研究過程中用特定的符號給每個類命名,模式識別就可以看成是用符號來表示采集到對象的時間和空間分布的信息。

                          模式是對客觀各類事物分類、抽象,并對其重要的屬性進行抽取,加以結構的描述或者定量描述所生成的表達式。是我們從觀測事物是否相同或是否相似所獲得的時間分布信息和空間分布信息的集合[6]。采用計算機等機器代替人或動物進行模式識別,信息要經過取樣和量化之后輸入計算機,在計算機內用向量(即數組)來表示模式,用數組中元素來表示時空分布的信息,達到標識客觀對象的目的。在模式識別領域中,模式的數字特征可用矢量形式描述,也可以使用句法結構表示成字符串,也可用圖、語義網絡、框架結構等描述。

                          手寫字母識別系統功能實現:

                        手寫字母識別系統開發
                        手寫字母識別系統開發

                        二值化后的圖片
                        二值化后的圖片

                        銳化后與去噪后的圖片
                        銳化后與去噪后的圖片

                        銳化后的圖片
                        銳化后的圖片

                        BP 網絡訓練結果
                        BP 網絡訓練結果

                        數字型字符識別
                        數字型字符識別

                        英文大寫字母識別
                        英文大寫字母識別

                        英文小寫字母識別
                        英文小寫字母識別

                        目 錄

                          第一章 緒 論
                            1.1 引言
                            1.2 模式和模式識別
                              1.2.1 模式
                              1.2.2 模式的描述方法
                              1.2.3 模式識別系統
                              1.2.4 模式識別的應用
                            1.3 圖像模式識別
                              1.3.1 圖像模式識別原理
                              1.3.2 圖像模式識別過程
                              1.3.3 圖像模式識別方法
                              1.3.4 圖像識別的應用
                            1.4 手寫字母識別
                              1.4.1 手寫文字識別簡介
                              1.4.2 手寫文字識別系統
                              1.4.3 手寫字母識別的方法
                              1.4.4 手寫字母識別研究的目標和意義
                              1.4.5 手寫字母識別研究的現狀
                            1.5 研究內容
                          第二章 遺傳神經網絡算法研究
                            2.1 遺傳算法
                              2.1.1 遺傳算法的基本原理
                              2.1.2 遺傳算法特點
                            2.2 人工神經網絡
                              2.2.1 BP 神經網絡組成
                              2.2.2 BP 神經網絡的基本原理
                              2.2.3 BP 神經網絡算法
                            2.3 本章小結
                          第三章 手寫字母識別系統設計
                            3.1 系統總體結構設計
                            3.2 系統工作流程設計
                            3.3 手寫字母圖像的預處理模塊設計
                              3.3.1 二值化處理
                              3.3.2 平滑去噪
                              3.3.4 字符分割
                              3.3.5 圖像的歸一化
                              3.3.6 書寫的傾斜矯正
                              3.3.7 圖像的重新排列
                              3.3.8 圖像的細化
                            3.4 手寫體字母的特征提取方案
                              3.4.1 實驗數據特征集
                              3.4.2 提取壓縮特征
                              3.4.3 傅里葉變換特征的提取
                              3.4.4 提取特征邊緣
                              3.4.5 基元特征的提取
                              3.4.6 提取矩特征
                            3.5 手寫體字母的特征提取設計
                              3.5.1 確定分類器設計中的參數
                              3.5.2 特征提取設計
                              3.5.3 特征選擇設計
                              3.5.4 優化特征空間設計
                              3.5.5 判別函數設計
                            3.6 本章小結
                          第四章 訓練與識別設計
                            4.1 遺傳神經網絡結構設計
                            4.2 訓練模塊設計
                              4.2.1 訓練集設計
                              4.2.2 測試集設計
                              4.2.3 評價原則設計
                              4.2.4 訓練算法設計
                            4.3 識別模塊設計
                            4.4 本章總結
                          第五章 手寫體字母識別系統的實現
                            5.1 構造位圖處理類
                              5.1.1 位圖基本格式
                              5.1.2 WinSDK 中的 BMP 相關函數
                              5.1.3 構造 CDib 類
                            5.2 圖像預處理實現
                              5.2.1 派生 Mydiblib 類
                              5.2.2 圖像二值化的算法實現
                              5.2.3 圖像銳化和去噪的實現
                              5.2.4 圖像細化的實現
                              5.2.5 圖像特征提取實現
                            5.3 訓練的實現
                              5.3.1 BpNet 類的定義
                              5.3.2 訓練算法實現
                              5.3.3 訓練實驗結果
                            5.4 字符識別的實現
                              5.4.1 字母圖像的繪制
                              5.4.2 手字母識別實驗結果
                            5.5 手字母識別系統的識別率分析
                            5.6 本章總結
                          第六章 總結
                          致謝
                          參考文獻

                        (如您需要查看本篇畢業設計全文,請您聯系客服索。

                        相關內容
                        相關標簽:VC畢業設計
                        好優論文定制中心主要為您提供代做畢業設計及各專業畢業論文寫作輔導服務。 網站地圖
                        所有論文、資料均源于網上的共享資源以及一些期刊雜志,所有論文僅免費供網友間相互學習交流之用,請特別注意勿做其他非法用途。
                        如有侵犯您的版權或其他有損您利益的行為,請聯系指出,論文定制中心會立即進行改正或刪除有關內容!

                        將微信二維碼保存到相冊

                        打開微信掃一掃從相冊識別

                        1.點擊下面按鈕復制QQ號

                        3008637063

                        2.打開QQ→添加好友/群

                        粘貼QQ號,加我為好友

                        免费看男阳茎进女阳道视频