基于深度学习的手写体识别的研究.doc

  • 需要金币1000 个金币
  • 资料包括:完整论文
  • 转换比率:金钱 X 10=金币数量, 即1元=10金币
  • 论文格式:Word格式(*.doc)
  • 更新时间:2018-06-07
  • 论文字数:7842
  • 当前位置论文阅览室 > 毕业设计 > 信息与计算科学 >
  • 课题来源:(小六)提供原创文章

支付并下载

摘要:手写体数字识别在模式识别中充当了重要的角色,一直是科研人员研究的热点。虽然只是短短的10种阿拉伯数字,但却因为人们书写习惯的不同以及一些现实原因使得手写体数字识别增加了一些难度,手写体识别率的提高不仅能够运用在日常生活中,而且在金融行业,有关诚信的行业也能得到很好的使用。

深度学习也是机器学习的一个相对来说比较新颖的分支。建立与人脑相似的神经网络,通过让机器对大量数据的学习,并且逐层进行,逐步抽象。在人工神经网络中有一个叫BP的神经网络算法,它是具有隐层的多层前馈网络,它的学习过程是有信号的正向传播以及误差的反馈构成的,因此具有相对来说较高的识别率。

本篇论文将结合MATLAB建立一个BP神经网络来解决手写体数字识别的问题,包括使用图像预处理,对于原始图像的特征提取等一系列方法。

关键词:  手写体数字识别,深度学习,人工神经网络,BP神经网络,MATLAB

 

目录

摘要

ABSTRACT

第一章  绪  论-1

1.1手写体数字识别研究的发展背景-1

1.2深度学习在手写体数字识别中的应用-1

1.3 论文结构简介-2

第二章  手写体识别技术-3

2.1手写体数字识别的重点难点-3

2.2手写体数字识别图像预处理-4

2.2.1 平滑去噪-4

2.2.2 二值化-4

2.2.3 归一化-5

2.2.4 细化-5

2.3 小结-5

第三章 特征提取-6

3.1 特征提取概述-6

3.2 统计特征-6

3.3 结构特征-6

第四章  深度学习概述-7

4.1深度学习-7

4.2 BP算法概述-7

4.2.1 BP网络的算法实现步骤:-8

第五章  手写体数字识别在MTALAB中的步骤-11

5.1 MATLAB简介-11

5.2 系统流程图-11

5.3 MATLAB程序设计代码截图-11

结  论-20

参考文献-21

致  谢-22