基于概率神经网络的手写体数字识别算法的设计与实现-开题报告

开题报告课题名称基于概率神经网络的手写体数字识别算法的设计与实现系名称专业名称学生姓名指导教师一、课题来源及意义数字识别是模式识别领域中重要研究方向之一，具有广阔的应用前景。人们在对概率神经网络基本原理研究的基础上，提出了利用概率神经网络方法来实现手写数字识别的方案。通过MATLAB仿真实验表明,基于概率神经网络的数字识别系统取得了良好效果。数字识别前景广阔,广泛应用于表格中数字的识别、汽车牌照的数字自动识别和成绩单的识别等项目涉及到交通、银行、教育和邮政等领域。实现数字的自动识别给人们提供了很大的方便。数字识别的算法较多,当前运用较好的主流算法以统计、神经网络和聚类分析的识别算法为主,如Bagging算法、Adaboost算法、误差反向传播算法、支持向量机算法、自组织映射以及径向基函数等等。人工神经网络的基本特征为非线性映射、学习分类和实时优化,因此它为模式识别、非线性分类等研究开辟了新的途径。概率神经网络是一种典型的人工神经网络,有着广泛的应用。概率神经网络(ProbabilisticNeuralNetworks，PNN)是由D.F.Specht在1990年提出的。主要思想是用贝叶斯决策规则，即错误分类的期望风险最小，在多维输入空间内分离决策空间。它是一种基于统计原理的人工神经网络，它是以Parzen窗口函数为激活函数的一种前馈网络模型。PNN吸收了径向基神经网络与经典的概率密度估计原理的优点，与传统的前馈神经网络相比，在模式分类方面尤其具有较为显著的优势。二、研究目标1、熟练掌握概率神经网络的基本思想以及基于MATLAB的应用；2、熟练掌握手写体数字图片的存储、特征提取方法以及基于神经网络的特征识别；3、对识别效果能够做出定量分析；三、研究内容1、掌握MATLAB的概念及应用；2、了解神经网络的基本原理，了解概率神经网络的一般学习算法；3、完成matlab的程序设计；4、对实验数据做出定量分析，并对其性能进行统计和总结。四、研究方法与手段系统识别框架图工作基础：了解matlab的基本概念和语法，熟练使用matlab软件。研究条件：依据概率神经网络的基本原理完成算法实现。学习阶段样本字母预处理特征提取训练模式识别阶段手写体数字识别图像预处理特征提取神经网络的学习计算PNN算法PNN设计程序设计结果分析应用环境：基于概率神经网络的图像文件中的文字识别。完成手写体数字识别及图像预处理，进行特征提取，建立知识库，利用matlab完成系统的实现与结果分析，并对其性能进行统计和总结。本设计主要分为三大步骤：第一阶段，图像预处理；第二阶段，特征提取；第三阶段，设计概率神经网络并对输入样本进行训练和测试。五、进度安排1、2015.12.302015.03.05查找资料，通过书籍和视频学习matlab的基本概念和语法，初步练习使用matlab软件。了解概率神经网络的基本原理手写体数字识别算法的基本概念。完成开题报告。2、2016.03.062016.03.29掌握数字识别和图片处理的基本方法。3、2016.03.302016.04.20完成特征提取和对图像的预处理，了解并掌握BP网络的一般学习算法，并对BP算法进行改进。4、2016.04.212016.05.25利用matlab进行程序设计，分析实验数据和结果，并对其性能进行统计和总结。5、2016.05.262016.06.06撰写论文，准备答辩。六、主要参考文献1任丹,陈学峰.手写数字识别的原理及应用J.计算机时代.2007(03).2龚才春,刘荣兴.基于整体特征的快速手写体数字字符识别J.计算机工程与应用.2004(19).3李涛.BP神经网络在字符识别中的设计改进J.达县师范高等专科学校学报.2004(02).4陆锋,伊卫星,袁晓辉.神经网络模式识别对金融票据中数字特征的识别方法研究J.苏州大学学报(工科版).2003(04).5张丽,杨静宇,娄震.基于置信度的手写体数字识别多分类器动态组合J.计算机工程.2003(16).6蔡元明.神经网络识别手写体数字预处理后样本空间凸集性研究，中国科学院半导体所硕士学位论文D.保存地点：华中科技大学图书馆，1995.6.7吴佑寿，丁晓青.汉字识别原理方法与实现M.北京：高等教育出版社，1992.105121.8张立明.人工神经网络的模型及其应用M.上海：复旦大学出版社，1992.156170.9YangJMKaoCY，Arobustevolutionaryalgorithmfortrainingneuralnetworks.NeuralComputingandApplicationM，2001.10214230.10Hu,J.,Yan,H.,Amodel-basedsegmentationmethodforhandwrittennumeralstrings，ComputerVis