人工神经网络进行汉字识别理论和方法的研究

根据汉字特点提出一种高效自组织聚类、特征自动分析提取以及系统优化控制的方法，制成能识别3755个多体印刷汉字、具有非对称三层树分类结构的实验系统，识别率约98%。基本解决神经网络用于超多类模式识别的分类策略及关键技术，并有推广用于手写汉字识别的潜力。主要贡献是⑴提出并改进一种自组织聚类网络，能把汉字集合分解为多个极小的子集，便于用小规模分类网络进行单字识别；⑵采用小波变换及主分量分析方法、结合优化控制策略实现汉字识别特征自动分析提取并压缩特征维数解决了根据经验选用特征问题，提高了系统的智能；⑶改进了几种分类网络的结构和算法减少了训练时间和系统复杂性；⑷提出激励函数可调的新神经元模型（TAF模型）。