用于神经网络手写体字符识别的自适应归一化处理方法

• 作者: 孙光民 李岩 杨静 王鹏
• 来源期刊: 模式识别与人工智能
• 学科: 工学
• 关键词: 归一化 全局仿射变换 手写体字符识别 神经网络
• 年，卷（期）: 2005,（3）
• 所属期刊栏目: 论文与报告
• 页码范围: 268-272
• 页数: 5页
• 分类号: TP391
• 字数: 3016字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-6059.2005.03.003

摘要

传统的字符归一化方法只是对字符的大小进行改变,它与字符类别无关,也无法对字符的旋转、扭曲等变形进行矫正.本文采用一种与字符类别相关的自适应归一化方法--全局仿射变换,用于神经网络手写体字符识别中,利用已知类别的参考模板对输入字符进行全局归一化,同时对字符的旋转、扭曲等变形进行校正,归一化准则定义为参考模板与输入模板间的最近邻距离,并采用对权值的迭代算法得到最优的匹配模板.采用不同神经网络识别系统对该方法验证,表明该方法可使系统识别率得到较明显提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙光民	北京工业大学电子工程系	50	429	10.0	19.0
2	王鹏	北京工业大学电子工程系	21	127	6.0	10.0
3	杨静	北京工业大学电子工程系	12	63	4.0	7.0
4	李岩	北京工业大学电子工程系	8	42	4.0	6.0