摘要:数字识别就是通过计算机用数学技术方法来研究模式的自动处理和识别。随着计算机技术的发展,人类对模式识别技术提出了更高的要求。特别是对于大量己有的印刷资料和手稿,计算机自动识别输入己成为必须研究的课题,所以数字识别在文献检索、办公自动化、邮政系统、银行票据处理等方面有着广阔的应用前景。
聚类是数字识别的主要研究问题之一,是一种非监督学习的方法,聚类算法的重点是寻找特征相似的聚合类。在识别过程中需要用到图像的标识与特征提取等技术。
本文主要介绍了基于聚类法的数字手写识别的设计与实现。主要涉及了图像的分割与特征提取,聚类的设计,模式相似性测量和最邻近规则试探法等知识。
关键词:数字识别;特征提取;聚类法
目录
摘要
Abstract
第1章 引言-1
1.1本文研究的背景-1
1.2研究的理论意义-1
1.3基于手写数字识别的典型应用-2
第2章 数字图像识别的概述-3
2.1模式识别的基本概念-3
2.1.1模式识别系统-3
2.1.2模式识别主要研究的问题-4
2.2特征的选择与提取-5
2.2.1特征选择-5
2.2.2特征提取-5
2.3聚类简介-5
2.3.1聚类定义-5
2.3.2聚类准则-6
2.4聚类方法-7
2.4.1基于试探的未知类别聚类算法-7
2.4.2层次聚类算法-7
2.4.3动态聚类算法-7
2.5模式相似性测量-8
2.5.1样品与样品之间的距离-8
2.5.2样品与类之间的距离-8
第3章 系统的设计与实现-9
3.1系统框图-9
3.2数字的录入-9
3.2.1标准数字录入-10
3.2.2手写数字录入-12
3.3图像的标识及特征提取-15
3.3.1图像标识方法概述-15
3.3.2图像标识过程-15
3.3.3实现步骤-17
3.4基于试探的未知类别聚类算法的具体实现-18
3.4.1最邻近规则的试探法理论基础-18
3.4.2实现步骤-18
3.4.3编程代码-19
3.5程序运行步骤-21
第4章 结论与展望-24
参考文献-26
致谢-27