应用bp神经网络识别手写数字特征提取时有些疑惑，大家进来讨论下，帮帮忙

[zxx_0405]

原图像是扫描图像，已经可以得到切割后的单个数字的图像，且进行了归一化。
我进行了多次实验，识别率总是不如人意，大概才85％左右。
目前我采用的特征是归一化图像（24*36）后的垂直和水平投影共24+36＝60个特征，样本我只采用了100个。

我有两点疑惑的是：
1.由于笔的粗细不同，可能采用投影的方法会有很大误差，但是由于扫描图像的断线污染等情况没有找到合适的方法进行细化处理
2.样本数量是不是太少，一般样本数量和特征值数量是什么关系

谁有这方面的想法，建议或者经验不妨指点下，谢谢！！！

[fire_woods]

1. 特征选取很重要,楼主的特征不是很合理
2. 样本明显不够, 估计需要1万个左右的样本用作训练,另外1W个样本用作检验.

[zxx_0405]

[Quote=引用 2 楼 fire_woods 的回复:]
1. 特征选取很重要,楼主的特征不是很合理
2. 样本明显不够, 估计需要1万个左右的样本用作训练,另外1W个样本用作检验.
[/Quote]


1.对于特征提取您有什么高见呢？可以谈下么？
2.1w个样本，是特征的1k+倍？

补充下我说的是一个数字100个，您是指？

[fire_woods]

1. 由于笔画有粗细的关系,所以单纯的投影应该会有问题,如果对投影图做归一化,只考虑投影粗细的变化,会比较有效一些.
2. 投影应该不如直接用划分成8*8=64个特征来的有效.
3. 可以考虑加入其他的特征, 比如一些结构信息.
4. 对特征做主元分析可以大大降低特征的维度,BP神经网络性能和输入层节点个数很有关系.

样本1W个是指每组1000个,一共1万个.

按照你的规模,输入层64个节点,输出成10个节点,中间层一般会需要128个节点. 只有100个样本肯定过学习的.

[zxx_0405]

1. 由于笔画有粗细的关系,所以单纯的投影应该会有问题,如果对投影图做归一化,只考虑投影粗细的变化,会比较有效一些.

恩，以前也这样想过，但不知道怎么表达这个变化，刚才仔细想了想，可能可以用一个比例的东西表示，但还没有尝试，不知道您有什么更好的建议（关于描述这个变化的）？

2. 投影应该不如直接用划分成8*8=64个特征来的有效.

这个我要尝试一下


3. 可以考虑加入其他的特征, 比如一些结构信息.

是的，但是一直没找到合适的算法，看来要多学习

4. 对特征做主元分析可以大大降低特征的维度,BP神经网络性能和输入层节点个数很有关系.

样本1W个是指每组1000个,一共1万个.

按照你的规模,输入层64个节点,输出成10个节点,中间层一般会需要128个节点. 只有100个样本肯定过学习的.
这个我记下了
再次感谢您的指教！谢谢！！！

[fire_woods]

1那个用比例会比较合适一些,也就是归一化啦.

[zxx_0405]

fire_woods
再次感谢你！

[zxx_0405]

ddd

[lyfriend]

我也正在做这个题目的毕设，想问下你特征提取方面你怎么做的啊？