改进径向基函数神经网及其在手写体字符识别中的应用

刘勇夏绍玮梁夷龙赵斌

清华大学;

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NIST字库和实际采集的手写体数字样本的实验,表明此算法是令人满意的.

关键词：改进径向基函数神经网、半模糊矢量量化、手写体字符识别、多尺度补偿

所属期刊栏目：23

分类号：TP18(自动化基础理论)

资助基金：中国科学院资助项目69775001

在线出版日期：2004-01-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：95-101