脱机手写体汉字识别研究综述

脱机手写体汉字识别是汉字识别领域中最难的课题。该文对目前脱机手写体汉字识别在预处理、特征提取、分类识别及后处理四个阶段主要采用的方法做了简要介绍,阐述了各种方法的优缺点,并提出了一种将支持向量机有效地用于解决多分类问题的策略。最后根据目前的研究状况,指出今后研究中需要注意的问题和研究的发展方向。     

基于神经网络的一种PID控制技术

提出了一种基于神经网络的ＰＩＤ控制方案。用神经网络辨识器与神经网络控制器构成间接自校正控制系统,其中,神经网络辨识器采用单稳层结构,其辨识算法采用预报误差（ＲＰＥ算法）：神经网络控制器为２层的线性结构,具输入为系统偏差及其一阶和于阶微分,控制器具有增量型ＰＩＤ控制结构。将该控制方案应用于电阻炉的炉温控制中,获得了满意结果。     

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。     

自然风景图像情感标识方法研究

图像情感标识就是为图像标注情感类关键词以反映用户对该图像的情感或印象.以自然风景图像为对象,提出一种由视觉特征提取、视觉-情感关系构建、情感标识推导三部分组成的图像情感标识方案.首先从情感认知角度提取自然风景图像的颜色、纹理等视觉特征,然后采用多维尺度技术挖掘图像视觉特征和人类主观感知之间的深层联系,最后采用贝叶斯决策模型根据图像视觉特征推导出其情感描述.对部分风景图像进行自动标识的结果表明贝叶斯决策模型在处理情感标识这类不确定性推理问题上是很有效的.     

脱机手写体汉字识别中多模板字典的制作方法

针对手写体汉字字形变化复杂的特点,提出了一种基于特征向量分布的多模板字典制作方法,并通过赋予该多模板字典自学习功能,来提高其泛化能力。实验证明,用这种方法制作的字典与用传统方法制作的同类字典相比,能够有效地提高系统的总体识别率。     

D-S证据理论在图像情感标识中的应用

图像情感标识就是为图像标注形容词性关键词,以反映用户对该图像的情感或印象.图像的视觉特征以及语义内容是决定用户对该图像情感理解的2项关键因素,而图像内容识别具有较高的不确定性,人类的情感理解也具有很强的主观性,因此采用Dempster-Shafer证据理论能较好实现图像视觉特征及语义内容到图像情感标识的不确定性推理.考虑到图像内容识别的不确定性,研究中按一定比例扩大了图像语义内容对各情感因子的不确定性区间,并构建了一个原型系统对自然风景图像进行自动标识.实验表明Dempster-Shafer证据理论在处理情感标识上是很有效的,而调整不确定性区间有助于进一步提高标识准确率.     

基于正交特征的手写体汉字识别方法

手写体汉字识别一直是模式识别研究领域中的难点.本文将矩变换与弹性网格方法结合起来,用正交Zernike矩提取全局特征,用弹性网格提取局部特征,然后用K-L变换对局部特征向量正交化.这样得到的特征向量不仅具有汉字的全局和局部特征,而且是最有分辨能力的特征向量.实验证明该方法是行之有效的.     

一种基于支持向量机和半监督期望最大化算法的分级图像标识方法

自动图像标识就是自动识别图像中的有意义目标并赋予其相应的语义关键词, 该过程虽然对于人类来说并不难, 但是对于计算机而言却是一项艰巨而有挑战性的任务. 鉴于人类识别物体通常是一个由粗到细的过程, 本文提出一种层次标识方案. 首先, 输入图像被自动分割成多个区域, 每个区域由支持向量机进行粗分类. 由于粗分类结果会直接影响后续细分类, 本文建立统计的上下文语义关系以修订不正确的粗标识. 接着为了对每个获得粗标识的区域进行细分类, 本文提出一种半监督期望最大化算法, 该算法不仅能为每一粗类别下的细类找到代表模式, 而且能对粗分类区域进行二次分类, 使其获得细标识. 最后我们再次应用上下文语义关系修订不合适的细标识. 为了证明上述识别方案的有效性, 我们开发了一个原型图像标识系统, 实验结果证明该层次标识方案是有效的.