[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

摘要

本发明提供的是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，该方法包括四个步骤：(1)手写体数字图像预处理；(2)训练集的类空间划分，K均值聚类法或亲合力传播聚类法；(3)分类器设计，模块神经网络矩阵列；(4)集成分类，改进的均值集成法。该方法中的分类器模块用于类空间划分和任务分解的矩阵模块神经网络学习，能大大提高分类器的学习速度和手写体数字分类的精度。

主权项

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χk，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。