基于汉字原型的手写汉字识别

本文以现存三种汉字的计算机表示和两种传统的汉字结构分析方法进行评述，应用拓扑和几何的基本原理，分析了汉字结构及其制约关系，确定了四类组成汉字的基本关系，在此基础上实现了汉字原型，最后给出了汉字原型应用手写汉字识别的实例。     

部件在印刷体汉字识别中的应用

汉字是由不同部首、笔划构成的 ,但在计算机中表示部首是非常困难的。文章介绍一种便于计算机使用的部件来进行汉字识别的方法 ,所有的汉字被分解为几百个部件 ,识别时 ,先识别出汉字中的各个部件 ,然后再构成整个汉字 ,从而加快了汉字识别的速度。     

基于语义的手写汉字识别模型

目前,已经有很多文献阐述了不同的手写汉字识别算法,但是绝大多数算法都是针对单个汉字进行识别的,所以对于比较容易混淆的字,它们的识别效果都不好。该文针对这个问题,在单个汉字识别的基础上,结合汉语字典,加入了对前后汉字的语义考虑,大大地提高了这些容易混淆的汉字的识别率。     

手写汉字的集群识别

为了降低单个汉字的分辨率,论文分析了通用的汉字识别模型,并在此基础上建立了适于多字识别的集群识别模型。为了充分论证集群识别模型的观点,本文从理论证明和实验两方面获得支持根据。实验结果表明基于多字识别模型的集群识别能可靠提高对连续文字的识别效果,是手写汉字识别中很有希望的发展方向。     

离线手写汉字识别的并行实现

汉字识别属于大类别模式识别问题,用并行算法可望提高在单机环境下识别离线手写汉字图象的运行速度,提出了一种汉字识别算法的并行设计方案,并针对它在ＰＶＭ环境下运行结果进行了性能分析。     

一个高精度的简、繁体印刷体汉字文本识别系统

本文叙述了一个基于改进的“汉字识别特征点方法”的高精度简、繁体印刷体汉字文本识别系统。引入特征点的方向属性, 明显地提高了“汉字识别特征点方法”的汉字识别率。文中阐述了该系统各主要环节的原理。经过百万汉字真实印刷文本的严格测试,本系统汉字识别率达到97.84%。对质量较高的真实印刷文本, 汉字识别率达到99%以上。     

基于SVM的脱机手写汉字机器学习识别方法研究

提出了一种模糊统计方法的脱机手写体汉字特征提取方法,结合小波网格方法和汉字笔画密度特征方法对汉字进行特征提取,并运用支持向量机方法,通过机器学习对脱机手写汉字识别。仿真实验表明,支持向量机方法在脱机手写汉字识别中有良好的识别性能及模糊统计方法是有效的。     

联机手写汉字识别的原理,方法与实践

目前,联机手写汉字识别系统在笔输入计算机方面已得到较成功的应用,相对传统的汉字编码输入法,笔输入法简单直观、勿须学习,因而迅速为人们所接受,联机手写汉字识别技术也随之成为人们关注的焦点。 一、汉字识别概述 和联机识别的特点 汉字识别是模式识别的一个分支,其任务是研究如何使计算机“识字”。汉字识别系统通常采用光电转换装置(数字化仪、光笔、鼠标器等)把汉字或字符     

汉字录入通用测试程序

为了测定使用不同汉字系统、使用不同录入方法的学员的汉字录入水平，我们编写了一个汉字录入通用测试系统。本系统可以在晓军DOS、西山DOS、CCDOS、UCDOS等多种汉字环境中运行，采用机内码进行汉字识别，适用干任何音码形码汉字录入法，经8088、80286、80386微机上实际使用，效果良好。本系统由一个执行程序．EXE．五个标准文本文件。TXT，及TURBOC2．0图形驱动程序构成。其中标准文本丈件可用WPS或WORDST”AR进行编辑，每行不超过30个汉字且每行用硬回车结束，行数不限，文中的标点、字母、数字必须是全角中文字符，其内…     

自然手写汉字FS识别法

提出联机识别自然手写汉字的FS识别法。在剖析五笔字根结构和编码原则基础上,对五笔字根作适应性改造,将键盘输入技术与联机识别技术有机融合的一种识别体系。在多库识别体系中首次采用层间分级技术。分析和实验表明：充分考虑了自然手写汉字书写习惯和结构特征,系统有较高稳定性。     

基于SVM的脱机手写汉字机器学习识别方法研究

提出了一种模糊统计方法的脱机手写体汉字特征提取方法．结合小波网格方法和汉字笔画密度特征方法对汉字进行特征提取，并运用支持向量机方法，通过机器学习对脱机手写汉字识别。仿真实验表明，支持向量机方法在脱机手写汉字识别中有良好的识别性能及模糊统计方法是有效的。     

基于自组织神经网络的汉字识别模拟研究

汉字识别是汉语、汉字认知研究的一个重要研究领域。该文提出了一个基于多层自组织神经网络的模型，从汉字字形聚类及汉字部件拆分的角度，对基于汉字认知的汉字识别过程进行了初步的探索。模拟研究结果表明，模型通过学习能够识别出汉字的结构类型和部件，发现汉字识别中的规律，在一定程度上模拟了汉字的识别。     

一种模糊识别手写体汉字技术

汉字手写体识别是模式识别和人工智能的重要分支，汉字数量庞大，书写灵活，计算机识别相当困难。该文基于模糊概念，并引入几个指示向量，提出一个新颖的汉字手写体模糊识别技术，实验证实效果显著。     

脱机手写汉字识别研究

脱机手写体汉字识别是当前OCR技术研究的热点之一.本文提出了一种用于手写体汉字识别的多特征多分类器集成的系统模型,并利用Matlab工具箱对50个汉字5000个样本进行了初步仿真实验,实验表明该模型是十分可行和有效的.     

基于神经网络的相似汉字识别的研究

在计算机文字识别中相似汉字识别是一个难题, 我们对Hopfield人工神经网络加以改进, 提出了一种新的HNN网络模型, 并用它来识别相似字, 取得了良好的效果, 为相似汉字识别探索了一条新路。     

无约束手写体汉字切分方法综述

汉字切分是手写体汉字识别预处理中的一个难点，切分的正确与否直接关系到汉字识别的准确度。该义对目前无约束手写体汉字识别在行字切分上主要采用的方法作了具体介绍，闸述了各种方法的优缺点，最后根据目前的研究状况，指出今后研究中心需要注意的问题和研究的发展方向。     

手写体汉字变形规律的机器发现

手写汉字的不规整是手写汉字的一个主要特点，也是影响识别率的一个重要因素。利用机器发现的方法，从大量手写体汉字样本中寻求手写汉字变形的一般规律，并将变形规律应用手汉字识别的过程之中，可以大大提高分类的准确性，并可以压缩样本字典的容量，提高匹配速度。     

我国汉字识别技术的历史、现状和展望

本文论述了我国印刷体汉字识别、手写印刷体汉字识别、联机手写汉字识别的历史和现状。从实用化的角度指出了汉字识别技术今后的发展动向。     

汉字识别方法综述

分析汉字结构特征及其演变,在汉字字库及汉字识别目标变化的基础上,结合汉字识别过程,研究与比较贝叶斯决策、二次判别函数法、隐马尔科夫模型、神经网络分类器以及支持向量机这5种汉字识别方法的优缺点及适用范围。结果表明,汉字识别方法仍需要在识别目标及特征提取、训练字符集准备方面进行改进。     

手写体汉字识别的二叉树SVM算法研究

脱机手写体汉字识别具有重要的理论意义和实践价值,目前在小字符集方面取得了比较好的效果.对大字符集来说,仍在进行研究.为了解决大字符集的手写体汉字识别问题,一般采用多层分类的方法.根据汉字的繁简和字型结构,构造了五级的二叉树SVM模型进行汉字集的粗分类,给出了模型的构造方法.在每级分类识别当中,采用不同的汉字特征和核函数,利用"one-against-rest"算法进行细分类识别.仿真实验表明,该方法能对手写体汉字分级分类识别,具有较高的识别率.