基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
基于相关算法并使用Delphi7.0实现手写数字的识别,基于模板匹配法和BP神经网络法手写数字识别都采用了8×8粗网格提取特征的方法,对网格特征进行了还归一化处理.模板匹配法利用最小距离值法对提取的特征值与模板库文件中的各数字特征值进行比较,得出最短距离值,即最相似的匹配结果作为输出结果.BP神经网络法利用三层神经网络结构对特征值进行训练,并将训练结果用8421编码输出.
推荐文章
基于卷积神经网络的手写体数字识别系统
卷积神经网络
手写体数字
Linux
QT
一个在线手写签名识别系统的设计与实现
签名识别
特征提取
特征匹配
一个高速准确的手写数字识别系统
手写数字识别
结构分析
匹配
基于KNN算法的手写数字识别研究
KNN
Python
训练集
测试集
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于相关算法手写数字识别系统的研究与实现
来源期刊 技术与市场 学科
关键词 模板匹配 BP神经网络 手写数字识别 特征提取
年,卷(期) 2013,(4) 所属期刊栏目
研究方向 页码范围 3-4
页数 分类号
字数 3743字 语种 中文
DOI 10.3969/j.issn.1006-8554.2013.04.002
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 蒋琳琼 梧州学院计算机科学系 12 22 3.0 4.0
2 周兴发 梧州学院计算机科学系 1 4 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (4)
节点文献
引证文献  (4)
同被引文献  (3)
二级引证文献  (3)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2014(2)
  • 引证文献(2)
  • 二级引证文献(0)
2016(1)
  • 引证文献(1)
  • 二级引证文献(0)
2017(2)
  • 引证文献(1)
  • 二级引证文献(1)
2019(2)
  • 引证文献(0)
  • 二级引证文献(2)
研究主题发展历程
节点文献
模板匹配
BP神经网络
手写数字识别
特征提取
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
技术与市场
月刊
1006-8554
51-1450/T
大16开
四川省成都市
62-125
1980
chi
出版文献量(篇)
29073
总下载数(次)
69
总被引数(次)
59420
论文1v1指导