用于神经网络手写体字符识别的自适应归一化处理方法

传统的字符归一化方法只是对字符的大小进行改变,它与字符类别无关,也无法对字符的旋转、扭曲等变形进行矫正。本文采用一种与字符类别相关的自适应归一化方法——全局仿射变换,用于神经网络手写体字符识别中,利用已知类别的参考模板对输入字符进行全局归一化,同时对字符的旋转、扭曲等变形进行校正,归一化准则定义为参考模板与输入模板间的最近邻距离。并采用对权值的迭代算法得到最优的匹配模板。采用不同神经网络识别系统对该方法验证,表明该方法可使系统识别率得到较明显提高。