1、本文是在參加國家自然科學基金《藏文智能輸入研究》(基金號：60273090)的基礎上完成的。 分類器是識別系統(tǒng)的識別模塊的核心，其設計的優(yōu)劣直接影響到識別系統(tǒng)的速度和識別率。先前版本的聯(lián)機手寫藏文系統(tǒng)的分類器是基于結構的方式設計的，在識別率等問題上存在相當?shù)牟蛔悖瑸榱诉M一步提高識別速度與識別效率，本文嘗試探索一條新的構造聯(lián)機手寫藏文系統(tǒng)的分類器的道路。本文以具有強自學習性、自適應性、魯棒性及容錯性的神經網(wǎng)絡為基礎，設計出基于動量

2、項的改進的BP神經網(wǎng)絡分類器，并嘗試性地將它應用到聯(lián)機手寫藏文系統(tǒng)中。 為了提高神經網(wǎng)絡性能，分類器采用了單字單網(wǎng)的神經網(wǎng)絡群結構，以盡可能地提高分類器識別能力。同時，又為了減弱神經網(wǎng)絡的識別延遲問題，對每個單網(wǎng)采用了簡化的三層網(wǎng)絡結構，且每個結構的輸出層神經元數(shù)為1?；诤唵紊窠浘W(wǎng)絡的大規(guī)模神經網(wǎng)絡群結構使得構建的神經網(wǎng)絡識別器具有高效、高性能的優(yōu)勢。 單字單網(wǎng)神經元數(shù)目的確定是神經網(wǎng)絡分類器設計的另一關鍵技術。為了避

3、免維數(shù)災難的同時不損失藏文字本身的信息，在確定輸入層神經元數(shù)目時，采用筆劃拐點坐標值；用基于經驗公式的試探法確定隱層神經元數(shù)；采用高效的Sigmoid函數(shù)作為隱層和輸出層的傳遞函數(shù)，以提高學習速率；根據(jù)反復實驗確定神經網(wǎng)絡的期望誤差閾限、學習速率常數(shù)、動量項常數(shù)等運行參數(shù)。 實驗時共采集到32套樣本，每套樣本含117個手寫字符，其中26套為訓練樣本，6套為測試樣本。經測試首位識別率最高為71.21％，前10位識別率最高為91.9