[发明专利]一种基于模块神经网络SN9701矩阵列的手写体数字自动识别方法

权利要求书

1.一种基于模块神经网络SN9701矩阵列的手写体数字自动识别方法，其特征是：

从CCD图像传感器获取手写体数字样本，以CPLD作为图像采集系统的控制中心得到初始图像数据，以DSP作为基本图像处理单元进行基本的图像处理；

由预处理单元对图像进行二值化、平滑、分割、规范化，得到输入信号，得到字符16*16像素的灰度图像后，将得到的所有训练用灰度图像矩阵拉直变为256维列向量，组成训练用输入向量集合χ_k，其中k＝1，2，...，10表示十个类别标号；

判断输入样本是训练样本还是测试样本？如是训练样本则依次进行训练集的类空间划分和分类器设计；

如果是测试样本，则进行集成分类，分类器包含两个组成部分：一个神经网络矩阵列和一个集成计算机，其中神经网络矩阵列由多个SN9701芯片构成且是神经网络SN9701矩阵列，集成计算机由一个加法器和一个除法器构成，输入向量经过神经网络矩阵列产生一个神经网络输出矩阵，再根据这个神经网络输出矩阵由集成计算机产生最终的分类决策。

2.根据权利要求1所述的一种基于模块神经网络SN9701矩阵列的手写体数字自动识别方法，其特征是：所述的训练集的类空间划分，是将输入向量集合χ_k划分为D_k个子簇χ_d^(k)，d＝1，2，...，D_k，所有子簇组成12(D2-Σk=1KDk2)]]>个子簇对χdi(i)dj(j)=χdi(i)∪χdj(j),]]>每个子簇对能够作为一个两类分类器的训练输入。