基于小波变换和ART网络的手写数字识别

由于小波变换能有效地提取字符的结构特征,自适应共振(ART)网络有很好的学习能力。将二者结合起来,用小波变换抽取特征、用自适应共振ART网络作模式分类器来识别手写数字。实验证明该方法有很高的识别率,能够有效地进行手写数字的分类,可以满足实际应用。

基于小波变换和ART网络的手写数字识别

由于小波变换能有效地提取字符的结构特征,自适应共振(ART)网络有很好的学习能力。本文将二者结合起来,用小波变换抽取特征、用自适应共振ART网络作模式分类器来识别手写数字。实验证明该方法有很高的识别率,能够有效地进行手写数字的分类,可以满足实际应用。

基于多小波神经网络簇轮廓伸展的手写体数字识别

提出采用多小波神经网络簇伸展轮廓识别手写体数字的方法。该方法的原理是:跟踪待识别数字的轮廓,对轮廓进行均衡化和重采样,使其具有平移不变性和缩放不变性;采用多小波神经网络簇对轮廓壳进行伸展得到数级多分辨率和其平均值;将这些壳系数输入前馈神经网络簇,以识别该手写体数字。研究结果表明,该方法可用于将轮廓壳进行多分辨率分解。

基于数字图像的汽车混流喷漆线车身自动识别系统

文章介绍了一种“基于数字图像的多品种混流机器人喷漆自动线的汽车车身自动识别系统”。文中详细说明了自动识别系统的总体方案和硬件结构 ;同时还详细地介绍了系统的软件总体结构和车身识别处理模块、车身产量统计模块、车型特征数据库模块和系统维护模块等四大功能模块 ;本论文还对系统的功能、特点进行了简要地介绍 ;同时还重点介绍了系统中基于运动图像序列、基于神经网络、基于小波变换和基于LOC算子等四种车型识别算法的特点。该识别系统已成功地应用于生产实际 ,并且运行稳定可靠 ,提高了生产效率 。

统计不相关性的最佳鉴别变换的手写数字识别

为了进一步深入研究推广手写体数字识别技术,介绍并验证了具有统计不相关性的最佳鉴别变换在手写体数字识别中的优越性。与经典的Foley-Sammon鉴别变换法相比,具有统计不相关性的最佳鉴别变换相关性更小,提取的特征更有效。提出利用具有统计不相关性的最佳鉴别变换来提取特征并结合BP网络设计分类器用以实现手写体数字识别。通过3个对比实验证实了基于具有统计不相关性的最佳鉴别变换方法的识别方法的有效性。

基于方向小波和BP网络的数字识别

针对目前数字字符识别的研究现状，提出了方向小波变换和BP神经网络相结合的数字字符识别方法．小波变换具有良好的方向特性，根据这个特点能很好的提取数字字符的特征，以此特征作为输入向量，用BP网络进行数字识别．实验结果表明，该方法大大减少了运算数据量，缩短了识别时间，具有较高的识别率，对一些如笔画断裂等典型噪声有很好的识别效果，是一种有效的识别方法．

基于小波变换分析ANN实现的含噪图像数字识别研究

本文研究了基于小波变换平滑降噪,ANN(人工神经网络)实现的含噪图像数字识别。本文从数字识别的主要原理、小波变换图像降噪以及BP神经网络的实现等方面进行了探讨。阐述了BP神经网络的网络的原理,设计BP网络的过程及其实现和改进方案,并附有大量的实验数据。

基于深度学习的图像文字识别技术在数字化审计中的应用

通过整合的数字化审计平台获取所需审计信息,对所获信息中的图像展开小波变换分解,滤除审计图像噪声的同时提升其质量。结合基于Canny算子的边缘检测与区域分割技术分割完成预处理的审计图像,将完成分割的审计图像输入卷积神经网络,通过卷积层卷积处理审计图像提取审计图像文字特征。经下采样层累积卷积结果得出审计图像文字特征映射图,通过全连接网络判定所提取审计图像文字特征,输出识别结果后通过基于Relief算法的多特征融合方法改进卷积神经网络识别结果。实验结果表明,该方法具有较好的噪声滤除与分割效果,能够精准、清晰识别审计图像中的文字信息。

基于Hopfield的脱机手写数字识别理论及算法

脱机手写数字识别在很多领域具有广泛的应用前景,国内外学者对此做了大量的研究工作,提出了很多预处理和模式识别的算法,大大提高了手写数字的识别精度。为了提高手写数字识别的精度,文章将Hopfield神经网络应用于脱机手写数字识别分析中,Hopfield神经网络的"能量函数"的能量在网络运行过程中,具有不断地减少最后趋于稳定的平衡状态的特性,而且网络一旦建立即可自动运行,无需要训练。