發布時間：2015-03-06所屬分類：科技論文瀏覽：1次
摘 要： 摘要：漢字識別屬于大類別模式識別，人工神經網絡可以通過函數逼近、數據分類、數據聚類三種作用方式以及聯想的特殊模式對漢字進行識別。Hopfield神經網絡作為反饋網絡的一種，其自聯想記憶網絡可以使系統不需要通過大量的訓練即可對漢字進行識別，因此Hopfi
摘要：漢字識別屬于大類別模式識別，人工神經網絡可以通過函數逼近、數據分類、數據聚類三種作用方式以及“聯想”的特殊模式對漢字進行識別。Hopfield神經網絡作為反饋網絡的一種，其自聯想記憶網絡可以使系統不需要通過大量的訓練即可對漢字進行識別，因此Hopfield神經網絡對于漢字識別來說具有獨特的優勢。其中的離散型Hopfield神經網絡能夠通過串行異步和并行同步的工作方式，使其反饋過程具有非常好的穩定性，而網絡只有通過不斷的演變穩定在某一吸引子狀態時，才能夠實現正確的聯想。
關鍵詞：計算機技術,神經網絡,論文發表
聯機手寫識別可以分為訓練階段和識別階段。訓練階段流程依次為：標準書寫字符圖像預處理，提取特征并建立特征庫，建立Hopfield網絡模型，訓練網絡，保存權值。識別階段的流程為：坐標序列轉化為bmp圖像，預處理測試樣本，提取特征，送入網絡運行，運行網絡到平衡狀態，分析結果值。根據聯機手寫識別的工作流程以及Hopfield網絡模型的理論，基于Hopfield神經網絡的聯機手寫識別系統在Matlab環境下得到了仿真模擬，效果非常理想。
手寫識別系統能夠彌補普通鍵盤的不足，在提高漢字書寫頻率的同時，能夠滿足不同層次人群對計算機應用的技術需要。基于Hopfield神經網絡的聯機手寫識別系統一起自身獨特的性能，不僅能夠滿足手寫漢字識別的正確率，而且其識別過程速度非�？�。因此它對于實現聯機手寫識別以及圖像識別具有非常重要的意義。
隨著計算機技術的快速發展，其在人們的辦公學習和日常生活成了不可替代的工具。鍵盤已經幾乎完全替代了筆在人們生活中的地位，隨之而來的后果就是人們越來越少的區書寫漢字，導致越來越多的中國人甚至都忘記了漢字該如何書寫，這種現象在很多研究和報道中都有體現。計算機和鍵盤是由西方國家發明的，其符合西方國家的語言習慣，對于中國人來說，用字母、符號去完成方塊漢字的輸入就需要使用者非常熟悉漢語拼音或者五筆編碼，對于文化程度較低的使用者來說，這些都限制著他們使用計算機。鑒于計算機鍵盤的這些缺陷，聯機手寫輸入法應運而生，這為計算機的輸入帶來了新的發展機遇和挑戰。
1 聯機漢字手寫識別的意義及難點
聯機漢字識別是用書寫板代替傳統紙張，筆尖通過數字化書寫板的軌跡通過采樣系統按時間先后發送到計算機中，計算機則自動的完成漢字的識別和顯示。
1.1 聯機漢字手寫識別的意義
聯機手寫漢字識別的誕生具有非常重要的意義。首先這種輸入方法延續了幾千年中華文明的寫字習慣，實現用戶的手寫輸入，對于長時間不提筆寫字的用戶來說能夠加強其對漢字書寫方面的認識，防止“提筆忘字”現象的繼續惡化。其次，手寫漢字輸入不需要學習和記憶計算機的漢字編碼規則，其完全符合中國人的寫字習慣，使人機之間的交流更人性化，更方便快捷。另外，隨著移動智能終端的不斷普及，聯機漢字手寫識別的應用范圍將進一步擴大，以適用于不同層次人群對信息輸入的需要，具有較大的市場發展前景。
1.2 聯機手寫漢字識別問題的難點
手寫漢字識別是光學字符讀出器中最難的部分，也是其最終的目標，手寫漢字識別的應用主要依賴于其正確識別率和識別速度[1]。手寫漢字識別系統的問題具有其特殊性：
(1)中國漢字量大。我國目前的常用漢字大概在4000個左右，在實際應用中的漢字識別系統應該能夠完全識別這些常用的字才能夠滿足需要，由于超大的漢字量，使得手寫識別的正確率和識別速度一直不高。
(2)字體多，結構復雜。漢字的手寫字體豐富多彩，且漢字的筆畫繁多，以及復雜的結構，再加上漢字中的形近字頗多，這些都為漢字識別系統的發展造成了很大的困難。
(3)書寫變化大。不同用戶在進行手寫輸入時其字體的變化是很大的，這種變化因人而異，對漢字識別造成了很大的干擾，增加了漢字匹配的難度。
2 人工神經網絡概述
人工神經網絡是一種應用類似于大腦神經突觸聯接的結構進行信息處理的數學模型，通常簡稱為神經網絡，是一種仿生物神經的信號處理模型。在二十世紀四十年代初人們開始進行神經網絡的研究，經過幾十年的發展，神經網絡也產生了一系列的突破，目前應用最多的是Hopfield模型和BP算法。
神經網絡的一般模型一般包括十個方面：環境、處理單元、傳播規則、神經網絡的狀態、互聯模式、穩定狀態、操作模式、活躍規則、活化函數和學習算法。其中，神經元、互聯模式、學習算法是神經網絡模型中的三個關鍵因素。神經網絡的一個重要內容就是學習，其學習方式可以分為監督學習和無監督學習，其學習過程一般遵循Hebb規則，誤差修正學習算法以及勝者為王的學習規則，其中Hebb規則是神經網絡學習中最基本的規則。
人工神經網絡具有獨特的優越性。首先其具有主動學習的功能，在漢字識別過程中，先將漢字模板及可能的識別結果輸入到神經網絡中，神經網絡能夠通過其自身的學習過程來實現對漢字的識別，自學功能對于神經網絡的預測功能具有非常重要的意義。其次，神經網絡系統具有聯想存儲功能，其反饋功能能夠實現這種聯想。另外，通過計算機的高速運算能力，神經網絡具有高速尋找優化解的能力。
SCISSCIAHCI
