随着邮政事业的不断发展, 传统的手工分拣方式已经越来越不能满足日益增长的信函分拣需要,自动信函分拣系统的使用,极大地提高了邮政枢纽的信函处理能力,降低了工人的劳动强度。而手写邮政编码的识别，是自动分拣的重点和难点，采用人工神经网络的技术，可以实现手写邮政编码的识别，从而解决信函分拣的瓶颈问题。人工神经网络识别方法是近年该研究领域的一种热门方法，该方法具有一些传统技术所没有的优点：良好的容错能力、分类能力强、并行处理和自学习能力，并且是离线训练和在线识别的，这些优点使它在手写体数字的识别中能对大量数据进行快速实时处理，并达到良好的识别效果。

人工神经网络（ANN）技术发展十分迅速，它具有模拟人类部分形象思维的能力，是一种模仿人脑学习、记忆、推理等认知功能的新方法。特别是它的信息并行分布式处理能力和自学习功能等显著优点，更是激起了人们对它的极大的兴趣。人工神经网络是由一些类似人脑神经元的简单处理单元相互连接而成的复杂网络。已涌现出许多不同类型的ANN及相应的学习算法，并在数字识别方面取得了许多有意义的应用成果，这无疑对邮政系统进行信函分拣意义重大。

在国外，对OCR (Optical Character Recognition，简称)技术的研究非常的早，特别是在欧美，源于20世纪20年代末。1929年，OCR概念被正式提出，从此，字符识别出现在人们的讨论中。第一次正式实现用计算机进行光学字符识别是在1958年，它是Crimsalde等人通过实验实现出来的。随着计算机技术的日益成熟，越来越多的新的方法被应用于识别技术中。到了八十年代初期的时候，基于支持向量机、人工神经网络等技术被用到了光学字符研究中，使得研究的技术不断前进。到了九十年代，由于机器学习的推进，数字识别领域中出现了一种新型工具一一支持向量机（Support Vector Machines，简称“SVM ")，使得模式识别的研究取得了质的飞越。

我国对手写体数字识别系统的研究开始于七十年代，最开始是在邮局的信件自动分拣系统中进行使用并获得成功。随后中国第一台数字字符识别机器被制作出来，它是由复旦大学所研制，该机器可以成功识别出打字机所打印出来的数字字符。与此同时，中国科学院也成功研制出邮政编码识别样机，这也是我国第一台针对于邮政编码进行识别的机器。到了八十年代，国内多所高校，像清华大学、北京大学等开始对字符识别技术进行研究，通过多年的努力研究与探索，在数字识别领域取得了很多新的突破，随着研究的深入，在手写体数字识别上也已经硕果累累。

2. 研究的基本内容与方案

1. 研究的基本内容

   ①查阅相关文献，了解自动分拣机的组成和原理，了解人工神经网络的知识和原理，对分拣机进行初步设计；

   ②研究特征提取的方法，并应用于手写体的特征提取；

   ③研究神经网络，并将神经网络与特征提取相结合构建识别系统。通过釆用标准样本集进行训练和测试，通过大量实验，对手写体数字识别进行分析研究，每次根据实验结果进行分析和参数调整，最后对于整个系统的性能进行结果分析。

2. 目标

   初步设计出自动分拣机，针对其关键技术——手写体数字邮编识别，采用神经网络和特征提取相关技术构建手写体数字识别模型，通过大量实验，对结果进行分析和参数调整，以取得较高的识别成功率。

   剩余内容已隐藏，您需要先支付 5元 才能查看该篇文章全部内容！立即支付