隨著只能信息處理技術(shù)的快速發(fā)展,用計(jì)算機(jī)替代人來完成一些工作是今后一個(gè)重要的發(fā)展方向,而手寫體數(shù)字識(shí)別就是其中的一個(gè)典型代表。如何應(yīng)用計(jì)算機(jī)來智能化的進(jìn)行手寫體數(shù)字的分類識(shí)別,提高識(shí)別準(zhǔn)確率及效率成為了該領(lǐng)域研究的一個(gè)重要目標(biāo)。人工神經(jīng)網(wǎng)絡(luò)基于其強(qiáng)大的逼近效果和非線性處理能力,使得其在預(yù)測(cè)和分類識(shí)別等領(lǐng)域得到了非常廣泛的應(yīng)用。但是傳統(tǒng)神經(jīng)網(wǎng)絡(luò)在手寫體數(shù)字分類識(shí)別中,一般采用圖像像素個(gè)數(shù)作為網(wǎng)絡(luò)輸入層神經(jīng)元,造成整個(gè)網(wǎng)絡(luò)神經(jīng)元數(shù)目的過多,從而導(dǎo)致了學(xué)習(xí)時(shí)間的過長(zhǎng)和效率的低下。本文根據(jù)傳統(tǒng)神經(jīng)網(wǎng)絡(luò)存在的這些問題,根據(jù)主成分分析方法可以在降低維度的同時(shí),保持原樣本數(shù)據(jù)主要信息的作用,應(yīng)用PCA神經(jīng)網(wǎng)絡(luò)對(duì)手寫體數(shù)字進(jìn)行了分類識(shí)別,將原樣本數(shù)據(jù)從784維分別降至10、40、50、58維,隱含層神經(jīng)元個(gè)數(shù)為30和100,然后從學(xué)習(xí)時(shí)間、學(xué)習(xí)效率以及分類準(zhǔn)確率三個(gè)方面與原樣本進(jìn)行了比較分析。最后通過分析,神經(jīng)網(wǎng)絡(luò)輸入從784維降至50維左右,具有與784維同等程度的準(zhǔn)確率,且網(wǎng)絡(luò)學(xué)習(xí)速度大大提高。在隱含層神經(jīng)元個(gè)數(shù)為30的情況下,學(xué)習(xí)耗時(shí)減少87秒,效率提高了50%,最高準(zhǔn)確率提高了0.06%。在隱...

【文章頁數(shù)】：59 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 課題研究背景與意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 手寫數(shù)字識(shí)別的發(fā)展歷史和研究現(xiàn)狀
        1.2.1 手寫數(shù)字識(shí)別特征提取研究現(xiàn)狀
        1.2.2 手寫數(shù)字識(shí)別分類決策研究現(xiàn)狀
    1.3 論文研究?jī)?nèi)容
    1.4 論文組織結(jié)構(gòu)
2 神經(jīng)網(wǎng)絡(luò)
    2.1 神經(jīng)網(wǎng)絡(luò)概述
        2.1.1 神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)
        2.1.2 神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)規(guī)則
    2.2 梯度下降
        2.2.1 梯度下降原理
        2.2.2 隨機(jī)梯度下降
    2.3 反向傳播
        2.3.1 網(wǎng)絡(luò)相關(guān)參數(shù)的符號(hào)表示
        2.3.2 關(guān)于反向傳播的四個(gè)基本方程
        2.3.3 反向傳播算法
    2.4 本章小結(jié)
3 數(shù)據(jù)的獲取及處理
    3.1 數(shù)據(jù)的獲取
    3.2 數(shù)據(jù)的歸一化
    3.3 主成分分析法
        3.3.1 主成分分析原理
        3.3.2 主成分分析的步驟
    3.4 本章小結(jié)
4 基于PCA神經(jīng)網(wǎng)絡(luò)的手寫數(shù)字分類識(shí)別
    4.1 數(shù)據(jù)的預(yù)處理及PCA分析
        4.1.1 數(shù)據(jù)的收集及歸一化
        4.1.2 PCA分析
    4.2 基于PCA神經(jīng)網(wǎng)絡(luò)手寫數(shù)字分類識(shí)別模型
    4.3 本章小結(jié)
5 實(shí)驗(yàn)仿真分析
    5.1 PCA神經(jīng)網(wǎng)絡(luò)分類識(shí)別過程
    5.2 仿真結(jié)果分析
        5.2.1 PCA神經(jīng)網(wǎng)絡(luò)10 維識(shí)別結(jié)果
        5.2.2 PCA神經(jīng)網(wǎng)絡(luò)40 維識(shí)別結(jié)果
        5.2.3 PCA神經(jīng)網(wǎng)絡(luò)50 維識(shí)別結(jié)果
        5.2.4 PCA神經(jīng)網(wǎng)絡(luò)58 維識(shí)別結(jié)果
    5.3 本章小結(jié)
6 總結(jié)與展望
致謝
參考文獻(xiàn)



本文編號(hào)：3781268