基于HMM的分类器在联机手写藏文识别中的应用

为了解决联机手写藏文识别中藏文的曲线型笔划比较多,连笔情况很普遍以及相似字丁多等问题,提出了一种新的联机手写藏文识别方法:基于HMM分类器的联机手写藏文识别的方法.设计了三种不同的HMM分类器进行藏文字丁识别,实验结果表明,基于HMM分类器的联机手写藏文识别具有较高地识别率,前十位识别率可达93.9012%.     

基于多重卷积神经网络的大模式联机手写文字识别

联机手写识别在日常生产生活中有着广阔的应用,模式识别也一直把其作为研究的重点。传统的识别方法是利用普通卷积神经网络技术,该方法在对小规模字符集联机手写文字识别时有着较高识别率,总体性能高,但在对大规模字符集识别时,识别率则大大降低。提出一种基于多重卷积神经网络的识别方法,旨在克服以往方法对大规模字符集识别时识别效率不高的问题,提高大规模字符集联机手写文字的识别率。系统使用随机对角Levenberg-Marquardt方法来优化训练,通过使用UNIPEN训练集测试该方法识别准确率可达89%,是一个有良好前景的联机手写识别方法。     

基于弹性网格特征和神经网络的手写文字识别

提出一种有效的文字特征提取方法,在传统弹性网格基础上,采取与对角弹性网格相结合的方法进行特征提取,然后通过改进的BP神经网络进行文字识别.该方法集合了弹性网格特征和神经网络的优势,可有效提高手写文字的识别率、识别速度以及识别系统的泛化能力.实践证明,该方法用于文字识别准确性较高.     

汉王——非键盘文化的一面旗帜

汉王公司前身——中科院自动化研究所文字识别工程中心从八十年代以来,依靠国家863计划、国家自然科学基金项目的支持,在中科院院士戴汝为指导下,经过中心主任、研究员刘迎建同志和中心科技人员的共同努力,在文字识别的技术开发、产品转化领域走出了一条成功之路。为适应市场经济条件下科研成果转化为现实产品的时代要求,1993年3月北京中自汉王科技公司应运而生,五年来相继成功开发了联机手写汉字识别、汉王听写输入、汉王读写听、汉王全能阅读器OCR、汉王触摸屏、日、韩文手写识别软件等系统。     

汉王“三剑客”伴您进入办公新境界

北京汉王科技有限公司以“国家文字识别工程中心”近十年的科研成就为底蕴，在国家“八五”、“九五”、“863”、自然科学基金等重点项目的支持下，专注手写、语音、OCR等识别技术的研究和推广，先后推出汉王笔超能大将军、汉王文本正、汉王名片通等三款拳手产品，从真正意议上解决了中国人的输入问题，被广大用户亲切地誉为汉王“三剑客”!     

汉王文字识别技术向综合集成的应用方向发展

在国家863计划、国家自然科学基 金的重点支持下,中国科学院自 动化文字识别实验室通过多年的努力,在文字识别研究方面取得突破性研究成果,在国内率先推出第一个成熟的汉王手稿扫描识别软件。同时推出的还有汉王联机手写汉字识别软件8.0版,汉王小秀才型简易输入识别系统,汉王全能自动阅读器OCR3.1,高速、高识别率日文印刷体识别系统,日、韩文手写识别系统,多体印刷本中英文识别系统,汉王听写系统,汉王读写听、汉王触摸屏等。这些产品的开发并推向市场,全面解决了办公自动化中文字自动输入问题,为我国的中文信息产业做出了贡献。     

写出精彩——通过手写提高力办公效率

计算机的诞生，给我们带来了极大的方便。但与此同时，机器始终有它不人性化的一面，就算是原本浪漫温馨的情书，如今也只能因为冰冷的铅字而丧失了激情。更重要的一点就是输入方式的转变，传统的手写文字录入方式却不能融入计算机中。计算机文字识别的出现顺利地解决了这一点，尤其是对中文的输入，让我们和计算机有了更好的交流方式，大大地提高了效率。     

适应新要求开创新局面

汉王科技公司源于中国科学院自动化所国家文字识别工程中心，是专注于智能计算的科技研究机构，一直受到国家“863计划”、国家自然科学基金、国家火炬计划等的大力支持。2002年，汉王手写输人技术荣获国家科技进步一等奖。特别值得一提的是，同在2002年，汉王手写软件率先通过了中国电子技术标准化研究所产品认证中心GB18030产品认证，是目前市场上全面支持GB18030字符编码标准的手写软件。中文信息处理的关键是中文信息编码，因此汉王通过国家GB18030产品认证，不仅对手写软件在中国应用和普及具有十分重大的促进作用，而且对中文信息国际化也具有里程碑式的意义。     

一种快速有效的并行条纹细化方法

本文研究的是快速有效的并行细化方法。通过巧妙地构造细化处理数据的结构和程序的优化设计，大大地提高了细化算法的运算速度。同时也保证了细化后条纹的连续性、拓扑性不变，确保细化纹线的定中性，另外此细化算法具有一般性，对其他具有拓扑特征的二值图象也可进行细化处理。     

基于模糊模式和BP算法的手写数字识别

通过对多种手写数字识别算法的研究和分析，提出了一种基于模糊模式识别和BP神经网络寸亏写数字进行识别的新算法。首先应用BP神经网络对手写数字样本进行学习，然后再结合模糊模式识别的思想进行手写数字识别。实验证明：该算法与传统的手写数字识别算法相比，识别率明显提高。经过推广，该算法可应用于汉字识别、人脸识别等领域。     

基于笔划提取和合并的离线手写体汉字字符切分算法

手写体汉字字符切分是离线汉字字符识别预处理中的一个重要问题，针对离线手写体汉字，提出一种基于笔划提取和合并的手写体汉字字符切分算法。该算法首先基于方向游程提取汉字的笔划，并建立笔划框，再根据汉字笔划的结构知识对笔划框进行合并，得到字符的切分结果。该算法能较好地解决粘连汉字字符的切分问题，对从现场随机采集的2500封手写体信函地址汉字进行切分，单字正确率可达91．5％。     

脱机手写体汉字识别综述

脱机手写体汉字识别是模式识别领域最具挑战性的课题之一。本文分析了近年来脱机手写体汉字识别的最新进展,讨论了脱机手写体汉字分割、特征提取和分类器设计等关键技术的各种主流方法,介绍了3种典型的汉字识别数据库,并提出了脱机手写体汉字识别的难点问题和今后发展的趋势,为该领域的研究者指明研究方向,共同促进脱机手写体汉字识别技术的发展。     

手写体汉字识别中的一种新的特征提取方法——弹性网格方向分解特征

本文研究手写体汉字识别中的一种新的特征提取方法—弹性网格方向分解特征，在该方法中，我们将手写体汉字进行横、竖、撇、捺四方向的分解，然后根据该汉字的笔划分布构造一组非均匀的弹性网格，将弹性网格分别作用于汉字的四方向分量上，统计汉字象素点在网格中的概率分布来作为特征。对１０３４类汉字共５１７００个手写体汉字样本的实验我们得到了９４３９％的识别率，表明该特征提取方法是十分可行和有效的。     

一种基于运动图像的在线手写汉字识别方法

在分析传统联机与脱机手写汉字识别系统基础上,本文提出了一种基于运动图像的在线手写汉字识别新方法.该方法利用普通摄像头,实时地采集手写汉字墨迹的运动图像,通过图像处理技术提取手写汉字,并进行在线识别.文中给出了笔尖匹配的快速算法和基于数学形态学的汉字提取方法.最后,通过实验验证了本文方法的有效性.     

一种云平台下高识别率的手写汉字光学图像识别系统

针对原有手写汉字识别系统中文字特征提取的相关问题,笔者在本篇文章中设计了一类全新的方法,本方法结合卷积神经网对字形相似的字智能化学习有效特征,并且采用了光学图像识别技术,另外,这类方法通过手写云平台中丰富的数据资源对模型进行高效的训练,同时根据频度统计形成特定的相似子集,以此有效的优化识别率。实验结果显示,和原有的支持向量机(SVM)以及最近邻分类器方法进行系统性的对比,本文所论述的方法能够显著提升识别率。     

A unit decomposition technique using fuzzy logic for real-timehandwritten Chinese character recognition

The purpose of this paper is to provide a real-time compact device for inputting handwritten characters to mobile personal digital assistants (PDAs). A novel method for the recognition of online handwritten Chinese characters is presented, giving emphasis to the representation of the patterns using fuzzy logic. The information contained in a character, including shapes of individual strokes and their relative spatial relations, is examined by inference of fuzzy rule base, and the fuzzified representation is organized in a matrix structure. It is well known that Chinese characters are comprised of a set of basic units, representing fundamental meanings. Hence, a unit extraction module is designed to search the possible units within characters. The input character object is recognized by a combination of units with the largest fuzzy confidence degree. The training capability, which provides the unit model set, is performed using the qualitative fuzzy c-means clustering algorithm. An experimental system is implemented that achieves a real-time recognition rate of about 95% with a test set of 550 characters and two cases for each character written by six users. The experimental system has an average real-time recognition speed of 0.5 s/character. The presented approach shows the following two significant advantages over other methods: (1) less training time; and (2) less storage required to store character models. These are two crucial factors in designing PDA devices for mobile communication     

基于汉字结构特征的自由格式手写体汉字切分

本文利用汉字的基本结构特征切分自由格式手写体汉字字符,以汉字部件作为基本要素,根据部件之间的位置关系进行合并形成完整的汉字图像.自由格式手写体汉字串常有两个字符粘连的情况,依据汉字的笔画特征可以切割粘连字符.实验结果表明,该方法对自由格式手写体汉字字符有较好的切分效果.     

贝叶斯分类器在手写汉字识别中的应用

由于缺少以较少的存储空间描述汉字特征概率密度函数方法,在汉字识别系统中贝叶斯分类器很少得到应用.本文提出一种只需6个数据就能描述一个特征的概率密度函数的方法,构造了一个基于贝叶斯分类器的手写汉字识别系统.实验结果表明,该分类器具有优良的性能.     

A method of processing digital character noise

Based on the recognition requirement to suppress types of noise created in the conversion process of handwritten characters into binary patterns in our optical character recognition, an algorithm of processing digital character noise is presented. The software and hardware of the algorithm is described.     

Gradient-based learning applied to document recognition

Multilayer neural networks trained with the back-propagation algorithm constitute the best example of a successful gradient based learning technique. Given an appropriate network architecture, gradient-based learning algorithms can be used to synthesize a complex decision surface that can classify high-dimensional patterns, such as handwritten characters, with minimal preprocessing. This paper reviews various methods applied to handwritten character recognition and compares them on a standard handwritten digit recognition task. Convolutional neural networks, which are specifically designed to deal with the variability of 2D shapes, are shown to outperform all other techniques. Real-life document recognition systems are composed of multiple modules including field extraction, segmentation recognition, and language modeling. A new learning paradigm, called graph transformer networks (GTN), allows such multimodule systems to be trained globally using gradient-based methods so as to minimize an overall performance measure. Two systems for online handwriting recognition are described. Experiments demonstrate the advantage of global training, and the flexibility of graph transformer networks. A graph transformer network for reading a bank cheque is also described. It uses convolutional neural network character recognizers combined with global training techniques to provide record accuracy on business and personal cheques. It is deployed commercially and reads several million cheques per day