基于量子神經網絡的手寫體數字識別研究.pdf

1、手寫體數字識別問題是模式識別和圖像處理領域的一項重要研究課題，對它的深入研究具有重大的社會效益和經濟效益。在手寫體數字的識別問題上，如何提高識別率和識別可靠性，是目前的研究熱點之一。傳統(tǒng)的識別方法一般都是基于對字符輪廓特征的提取和分析，但這些單純依靠圖像處理的方法普遍存在著識別率不高的問題。人工神經網絡模式識別方法是近幾年提出的新方法，它具有傳統(tǒng)技術所沒有的優(yōu)點：良好的容錯能力、分類能力強、自學習能力。 本文的主要內容是采用基于

2、多層激勵函數的量子神經網絡的方法對手寫體數字識別進行研究。量子神經網絡是將量子神經元與模糊理論相結合的模糊神經系統(tǒng)，它能將決策的不確定性數據合理地分配到各模式中，從而減少模式識別的不確定度，提高模式識別的準確性。 首先，本文針對手寫體字符不同樣本之間存在交叉數據的模式識別問題，將多層激勵函數的量子神經網絡引入字符識別中，提出一種基于量子神經網絡的模式識別算法。并通過理論分析和仿真實驗，證明了基于多層激勵函數的量子神經網絡比一般前

3、饋神經網絡更具有優(yōu)越性。 然后，針對手寫體數字識別過程中出現的易混淆的數字對影響識別率的問題，采用量子神經網絡分類器和多級分類器組合的方法設計出了手寫體數字識別系統(tǒng)MLQNN(Multi-layer quantum netiral networl recognition system)。實驗結果表明同廣泛使用的BP神經網絡分類器相比，該手寫數字識別系統(tǒng)各項性能指標有明顯的提高。 除此以外，本文采用MNIST‘手寫數字字符