A Neural-Network-Based Approach to Detecting Hyperellipsoidal Shells

This paper presents a novel class of neural networks which can be trained in an unsupervised manner to detect a mixture of hyperellipsoidal shells and/or segments of hyperellipsoidal shells. This approach is computationally and implementationally simpler than other clustering algorithms that have been suggested for this purpose. Experimental results on several data sets are presented.     

The Challenge of Optical Music Recognition

This article describes the challenges posed by optical musicrecognition – a topic in computer science that aims to convert scannedpages of music into an on-line format. First, the problem is described;then a generalised framework for software is presented that emphasises keystages that must be solved: staff line identification, musical objectlocation, musical feature classification, and musical semantics. Next,significant research projects in the area are reviewed, showing how eachfits the generalised framework. The article concludes by discussingperhaps the most open question in the field: how to compare the accuracy and success of rival systems, highlighting certain steps thathelp ease the task.     

一种复杂模糊系统生成方法

生成模糊系统传统方法的工作量往往随输入变量数的增长而爆炸性也增加，用于抽取模糊规则的神经网络的规模迅速地增加且能量的极小值点也迅速地增多。针对这一问题，本文发展了一种新的模糊系统生成方法，将复杂系统的模糊输入，输出关系分解成简单的模糊输入，输出关系叠加，采用了一种新的网络优化的方法－基于浮点编码的遗传算法来生成该系统。     

多字体多字号印刷汉字识别方法的研究

本文对多体多字号印别汉字识别的方法进行了研究, 本文提出的方法是首先对不同字号印刷 汉字进行归一化处理, 再抽取汉字四周笔端数特征、改进粗外围特征、笔划穿插次数特征和投影变换特征, 然后对组合特征进行多级分类识别。实验在IBM一PC AT 微型机上进行, 结果表明, 实验系统在识别实际印别文本时识别率大于98%。     

一种数字仪表显示值快速识别方法

提出了一种数字仪表显示值的快速识别方法。该方法首先由计算机自动定位分割图像中的数字区域并实现单个数字的切分,然后对每个数字图像提取了一组具有较高区分度且计算简单的典型特征,最后,基于模糊识别的最大隶属原则,构造了一种数字识别器,实现了仪表显示值的实时识别。试验表明:该方法的识别率高达99%,对7位数字的识别时间不超过20毫秒,并且具有较强的抗干扰能力,达到了仪表显示值识别的速度和准确率要求。     

Symbolical Reasoning about Numerical Data: A Hybrid Approach

By combining methods from artificial intelligence and signal analysis, we have developed a hybrid system for medical diagnosis. The core of the system is a fuzzy expert system with a dual source knowledge base. Two sets of rules are acquired, automatically from given examples and indirectly formulated by the physician. A fuzzy neural network serves to learn from sample data and allows to extract fuzzy rules for the knowledge base. A complex signal transformation preprocesses the digital data a priori to the symbolic representation. Results demonstrate the high accuracy of the system in the field of diagnosing electroencephalograms where it outperforms the visual diagnosis by a human expert for some phenomena.     

一种高效的基于约束网络的工程图符号识别方法

将工程图中所有符号的几何特征转换为一个约束网格，用结点记录判断条件，边指示判断次序，实现以层次化约束判断为核心的过滤式识别方法，基于逐步简化的思想，该方法引入多层优先级和边属性的定义，通过优先级调整和边属性查询的配合，优化网络搜索；通过将巳经过约束检查的图元编号记录在结点中而大幅度减少图元遍历和判断。该方法应用在建筑工程图识别中效率较高，对符号种类多、图低内容复杂等情况适应能力较强。     

字符识别中毛刺的去除方法

在字符识别中提取字符特征前经常需要将图像细化,但细化过程会受到照明系统和字符本身质量的影响而产生毛刺。毛刺会使特征提取发生错误,进而影响最终的字符识别结果。针对此问题提出一种基于搜索毛刺生长点的毛刺去除方法,利用此方法可以将毛刺剔除并且保证图像的其它有用信息不被破坏。     

字符识别中毛刺的去除方法

在字符识别中提取字符特征前经常需要将图像细化，但细化过程会受到照明系统和字符本身质量的影响而产生毛刺。毛刺会使特征提取发生错误，进而影响最终的字符识别结果。针对此问题提出一种基于搜索毛刺生长点的毛刺去除方法，利用此方法可以将毛刺剔除并且保证图像的其它有用信息不被破坏。     

基于小波包和Zernike矩特征提取的车牌字符识别

提出了一种基于小波包和Zernike矩特征提取的车牌字符识别方法。首先针对数字字符特殊的字体结构,采用了数学形态学方法进行滤波处理。预处理后,对待识别字符进行三层小波包分解,获取第三层各节点小波包系数;同时对小波包分解后的第二层各节点进行重构,并分别计算重构后所得图像的Zernike矩;最后对获得的小波包系数和重构后所得图像的Zernike矩所组成的特征空间进行降维处理,并利用BP神经网络对车牌中的数字进行识别。实验结果表明,该方法效果良好。     

模糊神经网络提高光栅传感器分辨力

针对当前提高光栅传感器分辨力方法的一些不足,对用模糊小脑神经网络提高光栅传感器分辨力进行了研究。研究表明,通过少量样本点的学习,用神经网络拟合出光栅传感器的传输特性,对任意输入值,经神经网络泛化后,产生高分辨力的输出值,并通过仿真验证了该研究的有效性。     

一种识别手写汉字的多分类器集成方法

根据多信源信息处理与字符识别的经验知识,提出了一个识别手写汉字的多分类器线性集成模型.这个模型不仅考虑到不同的分类器对不同字符识别能力的不同,而且还考虑了不同的分类器得出的输入字符与参考模板之间相似度的实际大小对判决的影响,及不同分类器提供的候选字符对判决的支持作用,更重要的是提供了一种通过监督学习,利用计算机程序自动计算模型参数的方法,因而实现了一个较好的集成系统.同时,本文还提供了三个用于集成的分类器,它们集成的结果充分显示了本方法的有效性.     

基于整形特征和模糊识别的手写体汉字识别

针对以往手写体汉字识别方法的形近字准确识别率低、实现过程复杂和运算速度慢等不足,提出了一种比较简单和快捷的手写体汉字识别方法。该方法首先提取汉字整形特征,再按照笔顺进行编码,然后建立标准样本识别库,最后融合模糊模式识别方法以进行汉字识别。实验结果证明,该方法较好地解决了目前形近字的识别率低等问题,实现了以较快的速度和较高的准确率进行手写体汉字的在线识别。     

基于表格的手写体字符识别技术研究

在分析了目前光学字符识别技术发展及发应用的基础上，给出一种基于表格的手写体字符识别解决方案，该方案包括图图像预处理，特征提取和分类器等三个关键的处理过程，然后，重点研究了利用神经网络构建分类器的技术和神经网络应用的两个阶段。     

基于残差门控循环卷积和注意力机制的端到端光学乐谱识别方法

光学乐谱识别对推动音乐智能化与数字化有着重大意义。传统的乐谱识别流程冗杂,易导致错误积累,但目前基于序列建模的乐谱识别方法不能从全尺度上获取音符上下文信息,在识别效果上仍有提升空间。为此,提出一种基于残差门控循环卷积和注意力机制的端到端光学乐谱识别方法。以残差门控循环卷积作为骨干网络,丰富模型提取上下文信息能力;结合一个注意力机制解码器,能更好地挖掘乐谱特征信息及其内部相关性,增强模型表征能力并对乐谱图像中的音符及音符序列进行识别。实验结果表明,改进后的网络与原卷积循环神经网络（CRNN）模型相比,符号错误率和序列错误率均显著下降。     

基于SVM混合网络的车牌字符识别研究

本文提出了一种基于SVM混合网络的车牌字符识别方法。首先根据国内车牌字符的排列特点依次构造汉字识别子网、英文识别子网、英文与数字识别子网以及数字识别子网。然后针对英文字符和阿拉伯数字的字体结构具有连通性这一特点．采用形态学方法进行滤波处理．以减少噪声干扰。预处理后提取字符的小波包系数和矩做为特征量，最后在各个识别子网中采用SVM识别方法对车牌中的汉字、英文字符以及阿拉伯数字进行了识别。实验结果表明，该方法效果良好。     

模糊系统和神经网络的特征与比较

概述了模糊、神经网络 和人工智能技术之间的关系，尤其探讨了模糊系统和神经网络的特性；指出了模糊系统和神经网络的结合方式，分析了它们的特征。     

建筑平面图理解中对墙体符号的识别方法

一些由图纸矢量化或者CAD软件绘制的建筑平面图只包含基本的几何图形元素如线段、弧线等,需要通过符号识别得到关于建筑结构的信息,例如墙体拓扑结构、门窗的位置、型号等。该文提出了一种对建筑平面图的墙体符号识别算法,结合建筑平面图的领域知识,首先利用几何运算从平面图中提取出构成墙体候选符号的子图,再使用逻辑方法推理确定墙体元素符号并得到完整的墙体拓扑结构信息。     

建筑平面图纸理解中关于符号识别的新方法

实现计算机图纸理解的关键在于对图纸中符号的识别,该文提出了一种建筑平面CAD图纸中符号识别的新方法,该方法首先由建筑符号中的几何图元构造出一种矩形网格结构,并用图元与网格之间的约束替换几何图元之间的约束来建立符号的几何特征描述。基于这种描述提出了一个统一的识别方法,最后给出了应用实例,取得了满意的识别效果。     

基于小波网络和多模块网络的数字识别

本文研究一种新的数字识别方法,这种方法用小波神经网络抽取特征、用多模块结构神经网络作模式分类器。小波分解的函数近似能力和人工神经网络的学习能力结合起来形成的小波神经网络,有着良好的特征描述性能,可用作特征抽取工具。多模块结构的神经网络将一个k类的模式分类问题转换为k个互相独立的2类分类问题。这种结构将一个复杂的分类问题化解为多个简单的分类问题,各个模块互相并联,各自负责一种模式的识别。用这种修改过的多模块结构网络的BP训练方法,可加速训练和提高训练精度,并且各模块可互相独立地进行训练。用美国NIST数字样本进行训练及测试,结果良好。这种方法可用于更广泛的平面图形识别。