作者：张可 张高燕 吴苏 范海菊bp神经网络gui字符识别鲁棒性
摘要：基于BP神经网络设计了一个字符识别系统。首先，对字符图像进行二值化处理，构造输入向量矩阵。其次，通过选取初始权值、隐层节点数和权值学习算法，创建BP神经网络，对样本数据进行训练，之后对加有噪声的样本再次进行训练，以提高网络的鲁棒性。最后进行仿真测试并制作图形用户界面GUI来模拟与演示该系统。仿真结果显示，该BP网络对噪声系数小于0．8的字符识别率可达95％，且网络训练时间可接受。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
