基于PSO-BP算法的规范手写体数字离线识别

徐鹏

doi:10.13873/j.1000-97872009.09.012

Chinese

您当前的位置：

首页 >

文章列表页 >

基于PSO-BP算法的规范手写体数字离线识别

研究与探讨 | 更新时间：2025-09-11

- 基于PSO-BP算法的规范手写体数字离线识别
- Standard handwritten form numeral off-line recognition based on PSO-BP neural network
- 传感器与微系统 2009年28卷第9期页码：9-11
- 作者机构：
  
  1. 东北林业大学机电工程学院
  2. 哈尔滨学院数计学院
  3. 东北林业大学机电工程学院哈尔滨学院数计学院
- 作者简介：
- 基金信息：
- DOI：10.13873/j.1000-97872009.09.012
  中图分类号： TP391.41
- 纸质出版：2009
- 稿件说明：
移动端阅览
[1]徐鹏.基于PSO-BP算法的规范手写体数字离线识别[J].传感器与微系统,2009,28(09):9-11.

XU Peng1. Standard handwritten form numeral off-line recognition based on PSO-BP neural network[J]. 2009, 28(9): 9-11.
[1]徐鹏.基于PSO-BP算法的规范手写体数字离线识别[J].传感器与微系统,2009,28(09):9-11. DOI： 10.13873/j.1000-97872009.09.012.

XU Peng1. Standard handwritten form numeral off-line recognition based on PSO-BP neural network[J]. 2009, 28(9): 9-11. DOI： 10.13873/j.1000-97872009.09.012.

摘要

针对BP算法存在的易陷入局部极小点、收敛速度慢、所设计的网络泛化能力不能保证等问题

提出了一种基于粒子群优化算法（PSO）的BP（PSO-BP）网络的权值调整新方法。该算法在基本BP算法的误差反传调整权值的基础上

再引入PSO算法的权值修正

从而建立了基于PSO-BP网络模型。基于此模型设计了规范手写体数字识别的分类器

采用随机手写数字样本进行了仿真实验

结果表明:PSO-BP算法提高了网络的稳定性

避免了BP算法容易进入平坦区、陷入局部极小等问题。

Abstract

For BP algorithm has local minimum point easy

slow convergence and the generalization ability of network design can not be guaranteed and other issues

a particle swarm optimization（PSO）algorithm BP（PSO-BP）network is proposed

which can adjust the network value.On the basis of the basic BP algorithm back-propagation algorithm adjust weights

re-introduction PSO of the right to correction

which set up BP network model based on PSO algorithm.Handwritten numeral recognition classifier is designed based on this model

using random samples of the handwritten figure simulation results show that PSO-BP neural network algorithm enhances the stability of the network

avoids the BP algorithm easy access to flat areas and a partial very small and so on.

关键词

Keywords

references

基于非线性PCA神经网络的手写体字符识别 [J]. 孙光民,张程,王鹏,邓超. 北京工业大学学报 . 2007(09)

基于支持向量机的手写体数字识别 [J]. 尚磊,刘风进. 兵工自动化 . 2007(03)

HMM-based handwritten word recognition: on the optimization of the number of states, training iterations and Gaussian components [J] . Simon Günter,Horst Bunke. Pattern Recognition . 2004 (10)

Neural networks with enhanced outlier rejection ability for off-line handwritten word recognition [J] . Jinhui Liu,Paul Gader. Pattern Recognition . 2002 (10)

A nonlinear neural network model of mixture of local principal component analysis: application to handwritten digits recognition [J] . Bailing Zhang,Minyue Fu,Hong Yan. Pattern Recognition . 2001 (2)

浏览量

108

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于PSO-BP的红外温度传感器环境温度补偿

基于SSA的农牧区电能路由器优化调度算法研究

节点密度加权及距离修正的粒子群优化定位算法

基于PD-BPSO算法的计算卸载策略

基于PCA-PSO-LSSVM的温室大棚温度预测方法