基于计算智能的手写体汉字识别技术研究

论文摘要

计算智能是一种新兴的计算方法,具有智能性、并行性,自适应性等优点,它的出现为复杂问题的求解提供了新的解决途径。本文重点讨论了两种新颖的智能优化算法——粒子群优化算法和人工免疫算法,提出这两种算法训练神经网络的模型,并应用于脱机手写体汉字识别当中,最后对两种算法进行了比较。主要工作如下:(1)在手写体汉字识别一般性问题的探讨基础上,基于汉字笔画方向的特征提出了一种适应汉字特点的特征提取方法,主要包括汉字图像预处理、细化、均匀分割、提取四方向特征等过程,这种特征提取方法同时包含汉字的笔画数量信息和分布的位置信息,为提高了汉字的识别率和验证算法有效性提供了可靠的保障。(2)为克服传统BP神经网络的训练算法存在训练速度慢、易于陷入局部极小等缺点,提出采用PSO优化算法训练神经网络权值,在对粒子群优化算法中的重要参数进行了分析和改进之后,建立了基于改进的粒子群算法的神经网络模型。试验结果表明,采用改进的粒子群优化算法训练网络速度快、精度高。(3)将免疫思想引入到手写体汉字识别系统中,即针对目标问题,确立了免疫系统的所有元素,并将遗传算法中的变异算子引入免疫系统中,定义相关的数学表达,设计了基于人工免疫算法的神经网络模型,在手写体汉字识别中效果显著。此外,对粒子群优化算法和人工免疫算法同传统BP算法进行了比较分析,表明了计算智能方法应用于神经网络权值训练在速度和精度上都优于传统训练算法。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• §1-1 计算智能概述
• §1-2 手写体汉字识别的研究现状
• §1-3 本文研究的主要内容和文章结构的安排
• 第二章 手写体汉字识别问题研究
• §2-1 字符识别
• 2-1-1 字符识别概述
• 2-1-2 字符识别的系统构成
• §2-2 手写体汉字识别
• 2-2-1 手写体汉字识别流程
• 2-2-2 手写体汉字样本获取
• 2-2-3 手写体汉字图像与处理
• §2-3 手写体汉字的特征提取
• 2-3-1 汉字的方向分解
• 2-3-2 基于均匀网格的方向分解特征
• §2-4 本章小节
• 第三章 PSO 进化神经网络的手写体汉字识别
• §3-1 人工神经网络和前向神经网络的BP 算法
• §3-2 基于粒子群优化算法进化神经网络
• 3-2-1 粒子群算法原理
• 3-2-2 PSO 算法流程
• 3-2-3 基于PSO 的神经网络训练算法
• §3-3 汉字识别试验与结果分析
• 3-3-1 汉字识别试验
• 3-3-2 试验结果与分析
• 3-3-3 系统参数对性能影响与算法改进
• §3-4 本章小节
• 第四章 进化人工免疫系统训练神经网络
• §4-1 人工免疫系统原理
• 4-1-1 自然免疫系统的体系结构与机制
• 4-1-2 人工免疫系统的原理
• §4-2 基于人工免疫算法训练神经网络
• §4-3 汉字识别试验
• §4-4 PSO 与 AIS 算法比较
• §4-5 本章小节
• 第五章 总结与展望
• §5-1 总结
• §5-2 展望
• 参考文献
• 致谢
• 攻读学位期间所取得的相关科研成果