特征的连续性对汉字知觉干扰效应的影响

以辨认残缺汉字为实验任务，考察了特征的连续性与否对汉字知觉干扰效应的影响。结果发现：特征连续递进条件下和不连续递进条件下残缺汉字的辨认成绩都显著低于标准条件下的，即都存在知觉干扰效应。知觉干扰效应的产生跟特征的连续与否无关．失匹配假说能比较好的解释这一结果。     

基于与或树结构的手写汉字识别方法

提出以与或树结构来描述手写汉字结构特征和笔划特征的方法，并以特征树之间的距离量度来判定特征树的匹配，从而达到识别汉字的目的。此外，使用与或树结构能够归纳出训练字的共性和差异，并对识别字典充实与完善。     

手写汉字识别粗分类方法的研究

提出了一种基于汉字结构关系的手写汉字识别粗分类的新方法。该方法以抽取手写汉字基本笔划为基础，利用汉字的结构特征进行粗分类。它不公算法简单、分类速度快、分类能力强、分类稳定、可靠，在分类的同时又能把组成汉字的部件及其笔划随之而分离出来，为用句法结构方法识别手写汉字奠定了基础。     

汉字字形结构的几个统计特征

用16×16点阵字库对一、二级汉字字符集的汉字的笔划总长度、汉字X向和Y向的一次矩和点阵卷积X向和Y向的一次矩等统计特性进行了研究,获得了一些有意义的结果.     

整体与局部协调的新型有限元方法

针对已往有限元方法的型函数仅具有局部性质，通过一种新的插值函数给出了一种整体与局部协调的有限元法。     

弧式严格局部拟凸函数及其局部极小与整体极小的关系

引进了一种新的广义凸函数，称为弧式严格局部拟凸函数，并对其局部极小与整体极小之间的关系进行了讨论。     

印刷体汉字识别特征选择方法的研究

考虑到微型计算机内存空间有限而汉字个数较多的特点,本文提出了一个适合于微型计算机处理的汉字特征选择的可分性准则函数.使用此方法进行汉字特征选择能保证不同汉字的分类特征距离较大并且同一汉字聚类性较好,使得汉字特征选取十分合理.     

手写印刷体汉字识别的细化算法研究

细化是汉字识别预处理中重要的技术之一。它可在保持原汉字大部分信息的基础之上，极大地压缩汉字的存禽量，有利于后续的特征抽取与识别。在比较了几种不同细化方法的优劣之后，提出了一种改进的细化算法，并进行了计算机仿真。     

汉字预分类算法研究

本文提出两种汉字预分类算法：四象限相对转动惯量法、投影轮廓的ｗａｌｓｈ特征法．并以之建立了一个实验系统，取得了满意的结果．     

基于网格的上中下结构汉字的结构识别研究

采用简易网格,以GB2312规定的二级汉字基本集中的上中下结构汉字作为研究对象,研究了汉字的结构识别.实验表明了方法的有效性,并给出了分析和实验过程.     

基于网格的上中下结构汉字的结构识别研究

采用简易网格,以GB2312规定的二级汉字基本集中的上中下结构汉字作为研究对象,研究了汉字的结构识别。实验表明了方法的有效性,并给出了分析和实验过程。     

利用语言知识的汉字识别分类策略

本文分析了单字分类的缺点,给出了以多字词及短语为分类的基本单位,利用MarKov模型,语言的多种统计知识及距离测度,进行分类的策略与方法。较好地克服了过去以单字为分类的基本单位造成的识别率较低,识别速度较慢的缺点。     

字符验证码识别技术的研究

研究基于字符的验证码,即采用一连串的数字或字符随机产生一定长度的字符组合,再加上不同程度的干扰信息,最终生成一幅图片。只有用户正确的判别出里面的内容,才有资格使用该网站提供的某项特定功能。通过对当前验证码自动识别技术的深入研究,充分发现当前的验证码识别系统的不足之处,提出了完善的改进思路和方法,提高了验证码识别的难度和识别的效率,从而更好的维护网络安全。重点研究了用于字符识别的BP神经网络、卷积神经网络,具有一定的理论和实际价值。     

特征融合用于手写体汉字识别研究

分析了手写汉字特征的提取方法,提取具有一定互补性的轮廓方向特征和方向距离分布特征,并进行K-L变换降维处理,用多特征合成一个区分能力更强的新特征.讨论了RBF网络分类器特性,结合特征融合方法和模块RBF神经网络结构有机地构建一个小类别手写体汉字识别系统.实验表明,该系统可行和有效.     

关于限制性手写体汉字的一种识别方法

成功地提出了关于限制性手写体汉字的一种识别方法,并在486 DX/66 PC机上进行了模拟实验,取得了一定的效果。对于经预处理后的手写体汉字,采用结构识别法、统计决策法和模糊数学法相结合的一种方法。另外,提出了对相似文字的识别方法。     

基于字符特征叠加提取与BP神经网络的字符识别

由于字符的种类繁多,并且同一字符又有多种字体,而传统的字符识别方法不能充分利用字符本身的特征,因此造成识别的字符种类单一、识别效果不理想等问题。提出一种通过字符特征叠加提取结合 BP 神经网络识别字符的方法,从单一字符图像中提取到更多的字符特征,利用BP神经网络自我学习的特点,设计了字符识别系统,再用 VC编程完成识别过程的仿真。结果证明,用本文提出的方法进行字符识别,识别的字符种类多、识别率高、识别时间短。     

基于SVM的车牌字符识别算法研究

SVM可在训练样本很少的情况下获得很好的分类推广能力。首先分析了用多类SVM算法对车牌中的字符进行识别时存在不可区分的区域问题和采用模糊SVM算法解决该问题的办法,然后讨论了字符特征的提取方法,并根据我国车牌字符的特点分别设计了汉字、字母、数字、字母／数字4个基于模糊多类SVM的字符分类器。最后在MATLAB环境下,采用径向基核函数对算法进行学习训练。实验测试结果表明,该方法可以很好的提高字符识别的速率和效率。     

基于像素群体特征的直线识别算法研究

目的提高直线识别的准确度和精度,更好地解决线图形的直线矢量化中存在的不足,如细、斜线矢量化效果差,直线易断裂,端点定位不准等.进一步推进工程图纸理解系统的发展.方法依据工程图纸中直线像素群体出现的特征,搜索符合某群体特征的像素群,通过采集试探点组信息来统计判定直线是否可以定向生长,并采用节点窗口定位法提高端点定位准确度.结果实验对比表明:笔者方法受线宽的影响小,增强了抵抗直线断裂的能力,对提高直线识别的质量是有效的.结论基于像素群体特征,结合统计判定直线生长的方法,并在节点定位时适时引入节点窗口定位,使得此方法在直线识别上具有一定的速度与精度优势.