1、范手写体样本训练结果如表所示，自由手写体样本训练结果如表所示。表规范手写体训练结果数字类别正识样本数误识样本数识别率合计表自由手写体训练结果数字类别正识样本数误识样本数识别率合计在测试实验中，我们以个规范手写体和个自由手写体共两组样本作为测试样本,识别实验结果分别如表，所示。表规范手写体识别实验结果数字类别正识样本数误识样本数识别率合计由上表可以看出,本系统对规范的手写体有较好的识别效果，识别率达到。表自由手写体识别结果数字类别正识样本数误识样本数识别率合计由上表所示，字符和的误识率较高，常误识别为对方数字，对待识别数字要求严格，这是由于它们的标准特征向量距离较小，需要通过增添标准库或参数调整对此情况进行改进。神经网络的数字识别设计神经网络系统的流程几种。
2、个参数对所有的数字都达到很高的识别精度。但系统总的识别正确率在左右。这个系统还有很多不完善的地方，还有待于利用更好的算法进行改进。系统设计的思路和分析这是我第次采用面向对象编程，心里感触颇多，也第次真正体会到功能的强大，用户界面设计简单高效，强大的类库支持，调试功能的强大，它采用断点技术动态跟踪程序的运行，极大地方便了程序员及时了解内存变化情况变量值现况及每个语句对变量所产生的影响，其单步运行方式便于程序员及时准确的发现些潜伏性的并现场更正。编程的规范化。这包括命名和程序书写的规范。命名规范是由于的程序般很长，容易忘记所有变量的含义，为了帮助记忆，中有个约定叫做匈牙利表示法该命名规则的主要思想是在变量和函数名中加入前缀以增进人们对程序的理解。例如所有字符。
3、分别记下这两条对角直线与数字笔段的交点数。笔划特征的提取经细化后的数字图像其特征较为稳定，且笔划简单，因此对其抽取的基本结构组件能反映数字的本质特征，从而可快速有效地识别数字符，并达到较好的分类效果。数字端点如图所示。提取笔划特征的算法如下按从上到下，从左到右的顺序扫描预处理后图像并选择黑像素点计算像素的邻域之和若,则像素为端点,端点计数器加重复步骤,直到遍历整个图像。图数字端点数字的特征向量说明依据上述特征提取方法，本系统中的特征矢量由个分量组成，其排列如下所示竖直中线交点数，竖直处，竖直处，水平中线交点数，水平处交点数，水平处交点数，左对角线交点数，右对角线交点数，端点数第四章数字识别系统的设计与实现数字识别设计程序设计使用语言实现该系统，其用户界面。
4、常用的解决问题的软件开发方法，种是对问题追述的方法，也就是从问题的结果分析起步步找到问题的源头。另种解决问题的方法是寻找容易解决的或者是己经解决的相关的问题转而应用到解决当前的问题来。但是当前软件开发中更为流行和常用的方法是逐步求精法。这种方法是种由顶向下的方法，也就是由般到特殊的方法，它的基本思想是将原始的问题分割成若。由于这是个类数字区分问题,最终决定使用十个隐层，允许误差在之间，训练步长设定在之间训练网络的问题。在数字识别时，要先训练网络，但系统中网络的训练不能次到位，基本上训练次网络之后最进的几次识别精度比较高，当识别几次之后，精度就在不断下降。这是个未解决的问题。总之，这个系统的识别结果有的时候不是很稳定，如不同的数字设置的参数就要不同，不能用。
5、范的样本集合之后，往往要进行细化。即将字符中的粗细不等的笔划变换成只有层像素点构成的统的笔划。细化的基本原理都是从字的边界开始逐层移去黑点，直到寻找到个集合，此集合与其边界相重合，这种方法被称为脱壳算法。关于细化及快速细化的算法有许多，比如快速细化算法，算法简称，算法简称等。经过上面几个步骤的预处理变换，则可以获得种简单像素点输入样本表达。对传统的识别系统，这种样本不能直接进行识别，以上的步骤只是为特征提取选择打下基础。而对于神经网络识别系统，这种简单样本表达可以直接输入进行模式识别。但是，这种简单的原始二值表达式在代表数字时有下面几点不足样本维数很大，而中间许多特征不定有用没有将那些真正反映数字特点的特征突出出来对于不同数字的外围或边缘及主干特征并没有。
6、觉得这最后的半年真的是很紧张，但由于徐老师和同学们的帮助使我最终完成了这个设计。这个系统总的来说可分为两部分来进行，第部分就是图象的预处理。所以相对简单点，不用进行图象格式的转换，但在现实应用中需要有图象格式转换这步。图象的预处理就是将采集到图象通过系列转换变成能够被网络训练的格式。第二部分就是网络的识别，首先确定网络的权值训练网络，通过误差反传不断的修正网络，使之具有很强的抗干扰性，最后达到高的识别精度。在设计过程中，我觉的图象预处理部分相对简单些，神经网络部分就有了定的难度，查阅了很多的资料才将其理解。再就是编程设计那部分让我觉的很难，按照要求设置了流程图，但将其转化为程序就很困难，尤其是将各个函数的组装在起的时候，函数与函数的接口，调用都极容易出错。
7、的大小是。在提取特征之前，要对手写体数字进行细化。本章是采用的基于数学形态学的细化算法。细化可用两步腐蚀来实现第步是正常的腐蚀，但它是有条件的，也就是说，那些被标为可除去的像素点并不立即消去在第二步中，只将那些消除后并不破坏连通性的点消除，否则保留。以上每步都是个邻域运算。细化是将个曲线性数字细化为条单像素宽的线，从而图形化地显示出其拓扑性质。数字图像预处理前后效果比较如下图所示。图为数字的原始图像，图为对图预处理后的结果图。类似地，图为数字的原始图像，图为对图预处理后的结果图。图原始图像图预处理后图像图原始图像图预处理后图像特征提取特征提取的目的是从原始数据中抽取出用于区分不同类型的本质特征。无论是识别过程还是学习过程，都要对研究对象固有的本质的重要特。
8、断进步的。刚开始按照流程图系统设计时，设计的切入点都找不到，将所有的东西都罗列起来，团乱麻，切都由摸索开始的。先从小的程序做起，点点的做大，思维就会越来越开阔。有时候个会困扰我很长时间，只有不断的想新方法去尝试最终都会得到解决，经验就在次次克服中不断丰富。总结这次长达三个月的毕业设计即将随着我的论文的结束而接近尾声。整个设计的过程是很艰辛而又很有意义的。我的设计题目是基于神经网络的手写数字识别设计。数字识别技术发展到现在已经很成熟了，它的应用范围也很广泛。数字识别的实现是有很大实际意义的。在我所做的这个系统中主要应用到了三门学科数字图象处理模式识别与人工神经网络和语言。由于设计时间的限制，要在三个月时间里学会三门不同的课程，对我来说是有很大挑战性的。所以。
9、考虑进去，这样对些有相似部分的数字容易出现误识。由于上面三方面的原因，在神经网络模式识别中，我们要用带污染的输入量去训练神经网络，使其具有定的抗干扰能力，这样对所要识别的数字，能达到更好的识别率。预处理举例本章举例的预处理主要由二值化，平滑去噪，规范化，细化等组成。本章采用了基于阈值的二值化算法，通过最大类间方差法即方法，统计图像的灰度直方图选取全局阈值，然后进行二值化处理。其次，在二值化后利用均值滤波的方法消除孤立点线的噪声，这样图中就只剩下手写体数字。在滤波中本章采用的是大小的模板。平滑去噪后，对图像进行规范化处理。找出图像中数字的边界，然后提取出数字把它居中放置在正方形方框中，再对此正方形图像进行线性插值缩放，使它变为统规格大小的图像，本章中归化图。
10、别介绍如下。读入图像读入图像的用户界面如图所示。图读入图像对图像进行各种处理选择对图像的各种操作的用户界面如图所示，对图像取反的用户界面如图所示，对图像平滑去噪的用户界面如图所示，对图像进行二值化操作的用户界面如图所示，对图像进行规范化处理的用户界面如图所示，对图像进行细化操作的用户界面如图所示。图选择对图像的各种操作图图像取反图平滑去噪图二值化图规范化图细化数字图像的识别对手写体数字进行识别的结果显示界面如图所示。图识别结果显示在上述界面中，系统可根据用户对识别结果正误的选择，自动计算识别率，识别率结果显示在图像界面上方。实验结果及分析在实验过程中我们以两组样本作为训练样本对知识库的参数进行调整，这两组训练样本分别为个规范手写体样本和个自由手写体样本，。
11、或属性进行量测并将结果数值化，形成特征矢量。通常能描述对象的元素很多，为了节约资源，节省计算机存储空间处理时间特征提取的费用，有时更是为了可行性，在保证满足分类识别正确率要求的条件下，按种准则尽量选用对正确分类识别作用较大的特征，使得用较少的特征就能完成分类识别任务。这项工作表现为减少特征矢量的维数或符号字符数。在本系统中采用对待识别数字图像进行行列扫描与数字起点结合的方法提取特征。结构特征的提取首先对经预处理后的图像进行分割，如图所示。图图像分割对图像分割后，结构特征提取的算法如下对细化后的数字图像取竖直的三条直线，分别取在处,记下这三条竖直直线与数字笔段的交点数。再取水平三条直线，分别取在处，分别记下这三条水平直线与数字笔段的交点数。再取对角两条直线。
12、量前均加前缀，若是整型变量则追加的前缀。程序中不要出现标识符完全相同的局部变量和全局变量，容易使人误解等，也要尽量避免名字中出现数字编号。程序书写版式虽然不会影响程序的功能，但会影响可读性，程序的版式追求清晰美观，是程序风格的重要构成因素。面向对象程序设计的优势。是种面向对象程序语言主要有封装性继承性多态性等特点。封装把数据与操作结合成体，使程序结构更加紧凑，同时避免了数据紊乱带来的调试与维护的困难继承增强了软件的可扩充性，并为代码重用提供了强有力的手段多态性使程序员在设计程序时可以对问题进行更好的抽象，以设计出实用性和维护性俱佳的程序，这些都显示了强大的优越性。敢于尝试。没有任何个程序员从刚开始设计程序时就万事精通，程序完美无缺，都是在不断修改的基础上。
参考资料：
1、该文档不包含其他附件(如表格、图纸)，本站只保证下载后内容跟在线阅读一样，不确保内容完整性，请务必认真阅读。
2、有的文档阅读时显示本站（www.woc88.com）水印的，下载后是没有本站水印的（仅在线阅读显示），请放心下载。
3、除PDF格式下载后需转换成word才能编辑，其他下载后均可以随意编辑、修改、打印。
4、有的标题标有”最新”、多篇，实质内容并不相符，下载内容以在线阅读为准，请认真阅读全文再下载。
5、该文档为会员上传，下载所得收益全部归上传者所有，若您对文档版权有异议，可联系客服认领，既往收入全部归您。
基于神经网络的手写数字识别的设计