论文部分内容阅读
数学符号是理科，尤其是数学工作者进行信息交流、存储的主要载体，但由于OCR的软件技术缺陷，到目前为止计算机仍然不能对其进行识别，这已经成了数学信息输入的瓶颈。
针对这一问题，该文进行了必要的分析，并使用神经网络识别模式对微软公司的Word中常用的64种数学符号印刷体进行了识别实验。
该文对数学符号(.bmp)进行了矩特征的提取，探讨了神经网络模型的不足并进行了改进，采用了单层BP网络法、BP网络和SOFM组成的多层神经网络(MSNN)、多层分类模式(MSCM)法，区域法，最近邻法获得了神经网络的优化参数，(误差E、T、η、θ、α)取得了不错的识别效果。