论文部分内容阅读
本文主要对手写体字符识别进行了研究。主要研究了手写体数字识别的特征提取方法，并提出了一种新的边界特征提取方法。其主要特点是提取特征简单有效，无需进行细化，节省了特征提取时间，提高了识别系统的运行速度。然后利用RBF径向基函数神经网络、BP神经网络和PNN概率神经网络三种不同神经网络对所提取的特征向量进行训练和测试。本文不仅对特征提取方法进行了测试验证，而且对于不同的神经网络在识别中的表现结果进行了必要的分析。在相互比较中，得出PNN神经网络更适合用于模式识别的训练和测试，为实际应用提供一个有力的参考。 本文提出的特征提取方法具有很强的适用性，可以根据不同字符集提出合适的参数。在不影响一般识别率的情况下，使得对具体某类字符集的识别率有所提高。也就是说本文提供的特征提取方法更适合用于具体的问题。