基于混合神经网络的手写体字符识别
多年来,手写体字符识别技术取得极大的进展.近年来,基于神经网络的手写体字符识别技术得到广泛的研究.用于识别的网络模型有BP网络、RBF、SOFM等,由于不同种类的网络有其自身的局限性,无法获得非常满意的字符识别效果.考虑到不同的网络是用于处理没的特性,本文试图将不同的网络集成从而提高字符识别率,同时,本文在系统中使用了与字符类别相关的自适应归功于化方法,全局映射变换(GAT).它针对参考模板对输入模板进行全局的归一化操作从而进一步提高了字符识别率.我们使用手写体数字进行实验,并给出实验结果.
手写体字符识别 神经网络 归一化 全局映射变换
孙光民 王鹏 杨静
北京工业大学电子工程学系
国内会议
昆明
中文
188-192
2002-10-01（万方平台首次上网日期，不代表论文的发表时间）