改进径向基函数神经网及其在手写体字符识别中的应用  

An Improved Radial Basis Function Neural Network and Its Application for Handwritten Character Recognition

作　　者：刘勇[1] 赵斌[1] 梁夷龙[1] 夏绍玮[1] 

机构地区：[1]清华大学自动化系,北京100084

出　　处：《计算机学报》2000年第1期95-101,共7页Chinese Journal of Computers

基　　金：国家自然科学基金!( 69775 0 0 1)

摘　　要：提出一种基于半模糊矢量量化 (SFVQ)技术的改进径向基函数神经网 (IRBFNN)分类器 ,并且用于无约束手写体数字的识别 .作者在模糊聚类和矢量量化的基础上利用半模糊的思想提出了半模糊矢量量化算法 ,并在其中加入了有监督的控制 ,从而使系统在聚类过程中可以确定比较合适的类别数并使聚类结果能更好地反映训练集的概率分布 .以半模糊矢量量化作为预处理的改进 RBF网 ,应用了多尺度补偿等办法 ,能够充分利用训练样本集的信息 ,在整体和局部上都获得满意的训练效果 .作者对 N IST字库和实际采集的手写体数字样本的实验 。This paper provides an improved radial basis function neural network (IRBFNN) and applies it for handwritten numeral recognition. On the basis of fuzzy C means (FCM) and vector quantization (VQ), the semi fuzzy vector quantization (SFVQ) is given to improve the preprocessing stage of RBFNN. Then IRBFNN embeds the multi scale compensation algorithm to gain a better recognition result both in the training set and in the testing set. A series of experiments shows that IRBFNN gains satisfying results within the NIST library and the practical handwritten numeral samples.

关 键 词：手写本字符识别 人工神经网络 IRBFNN 

分 类 号：TP391.4[自动化与计算机技术—计算机应用技术] TP18[自动化与计算机技术—计算机科学与技术]