英文字符识别论文

1、论文发表专家一英文字符识别论文摘要：本文利用bp神经网络针对英文字符识别的问题建立模型，通过建立英文字符的图像模板，并给模板赋值形成特征矩阵，最后在matlab环境下应用bp神经网络对英文字符进行分类识别，在识别的同时，通过对模板进行模糊处理后再次识别，并与先前识别的结果比较来验证该模型的鲁棒性。仿真表明，该模型能够比较有效地实现英文字符识别，为英文字符识别提供了一定的参考性。关键词：英文字符识别；bp神经网络；matlabtheenglishcharacterrecognitionbasedonbpnetworkwudi,sunjizhen(Chinesepeople'spublic

2、securityuniversitysecurityengineering,beijing102623,china)abstract:inthispaper,bpneuralnetworkforcharacterrecognitionproblemsoftheenglishmodelbuilding,modelimagesthroughtheestablishmentoftheenglishcharactertemplates,andassigntothetemplatetheformationofthecharacteristicmatrix,andfinallyinthematlabenv

3、ironmentapplicationsbpneuralnetworktoclassifytheenglishcharacter论文发表专家一recognition,inrecognitionatthesametime,obfuscatedbythetemplateagainafterrecognition,andtheresultscomparedwiththepreviousidentificationtoverifytherobustnessofthemodel.simulationshowsthatthemodelcaneffectivelyachievetheenglishchara

4、cterrecognition,characterrecognitioninenglishprovidesareference.keywords:englishcharacterrecognition;bpneuralnetwork;matlab一、bp网络概述bp网络是一种多层网络的“逆推”学习算法。该网络由大量神经元通过丰富而且完善的方法相互连接构成。由于神经元之间存在许多不同的连接方式，可以通过不同连接方式组成不同结构的神经网络。其基本思路是学习过程分为信号的正向传播与误差的逆向传播。正向传播时，输入样本从输入层经中间层逐层处理之后传向输出层。若输出层实际输出与期望输出不符，则转向误差的

5、逆向传播。误差的逆向传播是将输出误差以某种形式通过隐含层向输入层逐层反传，并将误差分摊给各层的所有单元，从而获得各层单元的误差信号，此误差信号作为修正各个单元权值的依据，这种调整过程是不断循环地进行的，权值不断调整的过程发生在网络的论文发表专家一学习训练过程中。在进行到网络的输出误差减少到可以接受的程度或进行到预先设定的学习次数时，此过程停止12。二、模型设计（一）英文字符模板。本文将英文字符c表示为4X4的图像矩阵，通过将英文字符图像分割为16个像素块的矩阵，接着给每个像素块的矩阵赋值，将特征矩阵加入事先训练好的bp网络模型进行分类识别。如图1所示，设输入向量、目标向量分别为a和t。其中a为4X4的矩阵，t为4X1的单位矩阵，将此字符模板，根据像素顺序用输入模式向量表示，深色部分为1,浅色部分为0,则输入为：。（二）bp网络模型。在bp网络初始化的时候，初始权值对于网络的收敛速度影响较大，所以要在适当的范围内选择，初始权值一般在（-1,1）内随机选取。从输入向量和输出向量的数量可以得出本模型的输入端应有16个神经元，输出端应有1个神经元。其次，还要设计中间隐含层的数目以及隐含层的节点数目。隐层选择