基于神经网络的手写体数字识别

陈园园，袁焕丽，石齐双

（周口师范学院物理与电信工程学院，河南周口　466001）

基于神经网络的手写体数字识别

陈园园，袁焕丽，石齐双

（周口师范学院物理与电信工程学院，河南周口466001）

本文重点解决以图像方式存在的手写体数字识别问题，首先对图像进行预处理，其次对结构特征进行提取，最后利用神经网络模型对前面两步得到的样本数据进行学习和训练。通过MATLAB进行仿真，神经稀疏编码算法应用在手写体数字识别中能够得到比较好的识别率。

手写体数字识别；预处理与特征提取；神经稀疏编码算法；MATLAB

0　引 言

近年来，模式识别获得了迅猛发展和学术界的广泛关注，并且在人工智能研究的高端构建与创新中发挥着基础性的推动作用。当前，模式识别也依然存在着众多问题有待改进与完善：输入样本表达的选择、分类器的选择、采集数据、处理数据、选择数据和样本集对识别器的优化训练。

模式识别中的一个核心组成就是数字识别。而基于时下需求，数字识别中的重点分支—手写体数字识别已经成为当前瞩目的技术热点和焦点研究内容。虽然在手写体数字识别上已经取得了一定成果，识别率基本上不会低于96%。但是手写体数字识别技术却仍然呈现出若干不足，由此而成为文字识别中的关键难点之一。

得益于神经网络和模糊逻辑技术的发展，手写体数字识别正是应用了人工神经网络这一方法，才获得可观和长足进步。因为神经网络具有推广能力、记忆力、非线性和自学习能力以及高速运算能力。……