资 源 简 介
手写数字识别技术是近年来研究的热点，具有广泛的应用前景，同时也是一个非常具有挑战性的课题。人工神经网络是当今智能控制领域最活跃的分支之一，它所具有的并行计算能力、容错能力、泛化能力，以及以任意精度逼近未知非线性对象的特点，使其为手写数字的识别提供了一种新的方法。本论文采用一编制了一套基于神经网络的手写数字识别系统，该系统由图像采集、图像预处理和数字识别三个模块组成，其中，图像采集模块采用的方法来实现图像预处理模块包括色图转化成灰度图、二值化、梯度锐化、倾斜度调整、字符分割、归一化以及紧缩重排数字识别模块采用三层神经网络来实现。论文重点探讨了神经网络的算法、构造以及各种结构参数的选取和优化。实验结果表明本论文所设计的手写数字识别系统具有较好的识别率，同时也说明神经网络技术用于手写数字识别的可行性。
模式识别是六十年代初迅速发展起来的一门学科。由于它研究的是如何用机器来实现人（及某些动物）对事物的学习、识别和判断能力，因而受到了很多科技领域研究人员的注意，成为人工智能研究的一个重要方面。字符识别是模式识别的一个传统研究领域。从50年代开始，许多的研究者就在这一研究领域开展了广泛的探索，并为模式识别的发展产生了积极的影响。字符识别-般可以分为两类：1、联机手写字符识别; 2、光学字符（Optical Character Recogni TIon简称0CR）或称离线字符识别。字符识别处理的信息可分为两大类：一类是文字信息，处理的主要是用各国家、各民族的文字（如：汉字，英文等）书写或印刷的文本信息，目前在印刷体和联机手写方面技术己趋向成熟，并推出了很多应用系统：另一类是数据信息，主要是由阿拉伯数字及少量特殊符号组成的各种编号和统计数据，如：邮政编码、统计报表、财务报表、银行票据等等，处理这类信息的核心技术是手写数字识别技术。手写数字识别技术，涉及到模式识别和图像处理，人工智能形式语言和自动机，统计决策理论，模糊数学，组合数学，信息论，计算机等学科;也涉及到语言文字学、心理学、生物学等，是一门综合性的技术5”。手写数字识别（Handwritten Digital RecogniTIon） 是光学字符识别技术的一个分支，所研究的对象是：如何利用电子计算机自动辨认人手写在纸张上的阿拉伯数字。
