基于量子神經(jīng)網(wǎng)絡(luò)的手寫體數(shù)字識(shí)別研究.pdf

1、手寫體數(shù)字識(shí)別問題是模式識(shí)別和圖像處理領(lǐng)域的一項(xiàng)重要研究課題，對(duì)它的深入研究具有重大的社會(huì)效益和經(jīng)濟(jì)效益。在手寫體數(shù)字的識(shí)別問題上，如何提高識(shí)別率和識(shí)別可靠性，是目前的研究熱點(diǎn)之一。傳統(tǒng)的識(shí)別方法一般都是基于對(duì)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(shí)別率不高的問題。人工神經(jīng)網(wǎng)絡(luò)模式識(shí)別方法是近幾年提出的新方法，它具有傳統(tǒng)技術(shù)所沒有的優(yōu)點(diǎn)：良好的容錯(cuò)能力、分類能力強(qiáng)、自學(xué)習(xí)能力。 本文的主要內(nèi)容是采用基于

2、多層激勵(lì)函數(shù)的量子神經(jīng)網(wǎng)絡(luò)的方法對(duì)手寫體數(shù)字識(shí)別進(jìn)行研究。量子神經(jīng)網(wǎng)絡(luò)是將量子神經(jīng)元與模糊理論相結(jié)合的模糊神經(jīng)系統(tǒng)，它能將決策的不確定性數(shù)據(jù)合理地分配到各模式中，從而減少模式識(shí)別的不確定度，提高模式識(shí)別的準(zhǔn)確性。 首先，本文針對(duì)手寫體字符不同樣本之間存在交叉數(shù)據(jù)的模式識(shí)別問題，將多層激勵(lì)函數(shù)的量子神經(jīng)網(wǎng)絡(luò)引入字符識(shí)別中，提出一種基于量子神經(jīng)網(wǎng)絡(luò)的模式識(shí)別算法。并通過理論分析和仿真實(shí)驗(yàn)，證明了基于多層激勵(lì)函數(shù)的量子神經(jīng)網(wǎng)絡(luò)比一般前

3、饋神經(jīng)網(wǎng)絡(luò)更具有優(yōu)越性。 然后，針對(duì)手寫體數(shù)字識(shí)別過程中出現(xiàn)的易混淆的數(shù)字對(duì)影響識(shí)別率的問題，采用量子神經(jīng)網(wǎng)絡(luò)分類器和多級(jí)分類器組合的方法設(shè)計(jì)出了手寫體數(shù)字識(shí)別系統(tǒng)MLQNN(Multi-layer quantum netiral networl recognition system)。實(shí)驗(yàn)結(jié)果表明同廣泛使用的BP神經(jīng)網(wǎng)絡(luò)分類器相比，該手寫數(shù)字識(shí)別系統(tǒng)各項(xiàng)性能指標(biāo)有明顯的提高。 除此以外，本文采用MNIST‘手寫數(shù)字字符