[发明专利]一种基于单形进化的手写体数字识别检测方法

说明书

本发明公开了一种基于单形进化的手写体数字识别检测方法，本发明使用基于单形邻域的全随机搜索方法减少算法控制参数，通过群体的多角色态保持粒子的多样性，避免算法陷入局部极值点。将该算法应用于径向基神经网络训练算法中，仿真实验结果表明，该算法训练的径向基神经网络相比于其他的算法不仅有效的提高了识别率，还减少了控制参数对学习性能的影响，算法的单控制参数特点提高了算法可靠性与普适性；算法的多角色态特点平衡了群体搜索的针对性与多样性，提高了训练算法的搜索效率与收敛性能，保证了算法在应用中的有效性。

技术领域

本发明涉及一种基于单形进化的手写体数字识别检测方法，属于模式识别和人工智能的范畴。

背景技术

手写数字识别有着极为广泛的应用前景。财务、税务、金融是手写数字识别大有可为的一领域。随着我国经济的迅速发展，每天等待处理的财务、税务报表、支票、付款单等越来越多。如果能把它们用计算机自动处理，无疑可以节约大量的时间、金钱和劳力。与大规模数据统计处理相比，在这个领域的应用难度更大，原因有：1、对识别的精度要求更高；2、处理的表格通常不止一种基于单形进化的手写体数字识别检测方法，所以一个系统应具有智能地同时处理若干种表格的能力；3、由于处理贯穿于整个日常工作之中，书写应尽量按一般习惯(如：不对书写者的写法做限定，书写时允许写连续的字串，而不是在固定的方格内书写)，这样对识别及预处理的核心算法要求也提高了。

发明内容

本发明提供了一种基于单形进化的手写体数字识别检测方法，以用于实现对手写体数字的识别。

本发明的技术方案是：一种基于单形进化的手写体数字识别检测方法，所述方法步骤如下：

Step1、读取MNIST数据库中手写体数字样本图片；

Step2、对手写体数字样本图片依次进行预处理；其中预处理包括：灰度化、二值化、去噪、归一化处理、图片细化；

Step3、对预处理后的手写体数字样本图片依次进行特征提取：将图片分别进行结构特征提取和统计特征提取，得到特征值；

Step4、对所有手写体数字样本图片相应的特征值分别进行归一化处理，将归一化处理后的手写体数字样本图片划分训练集和测试集；

Setp5、将m个粒子以均匀分布随机初始化神经网络权值、偏置和径向基函数中心；其中m个粒子指代训练集中m个训练样本；

Step6、输入训练集并根据Step5初始化的值，采用基于单形邻域与多角色进化策略的智能优化算法，搜索到全局最优位置，将搜索到的全局最优位置作为RBF神经网络权值、偏置和径向基函数中心，然后进行RBF神经网络的训练学习，得到训练好的基于单形进化的RBF神经网络；

Step7、将测试集送入已经训练好的基于单形进化的RBF神经网络，得到识别结果。

所述二值化采用整体阈值法，去噪采用滤波去噪，归一化处理具体为：先对图片进行压缩，然后采用最邻近插值法处理；图片细化采用像素领域分析法。

所述结构特征提取采用穿越密度特征，穿越密度特征采用整体贯穿法；统计特征提取采用粗网格特征。