印刷体数字快速识别方法

在分析印刷体数字结构特征的基础上，提出了一种新的印刷体数字快速识别方法。该方法利用数字结构的对称性、笔画特点(水平、垂直、弯曲)以及5条水平直线和数字的交点个数对印刷体数字进行辩识。实验表明，该方法能识别任意大小的宋体、黑体、楷体和Times New Roman体印刷体数字。     

印刷体数字快速识别方法

在分析印刷体数字结构特征的基础上,提出了一种新的印刷体数字快速识别方法。该方法利用数字结构的对称性、笔画特点(水平、垂直、弯曲)以及5条水平直线和数字的交点个数对印刷体数字进行辩识。实验表明,该方法能识别任意大小的宋体、黑体、楷体和TimesNewRo man体印刷体数字。     

基于BP神经网络的印刷体数字识别研究

BP神经网络是一种误差逆传播算法训练的多层前馈网络,具备网络学习能力强、输入/输出模式映射关系存贮量大、事先不需要描述输入/输出映射关系等诸多优点的数学方程。本文通过BP神经网络的介绍,利用不变矩特征提取方法设计一种有效的BP神经网络印刷体数字识别演示系统,对印刷体数字识别的深入研究具有一定的指导意义。     

基于特征的印刷体数字符号识别系统

探讨了一种印刷体数字符号快速识别算法，采用图像旋转、去噪声、图像分割等手段对含有印刷体数字符号的图像进行预处理，然后根据印刷体数字的字符结构提取4种稳定且有效的结构特征，即横线特征、竖线特征、水平方向过线数和垂直方向过线数．根据这些特征构造编码器，进行编码识别，使用VC 编程实现．实验表明，该算法速度快、精度高，有一定的抗干扰性。     

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.     

基于神经网络方法的手写体数字识别

利用神经网络技术对无限制手写体数字进行识别。在选取合适的特征基础上，对图像进行分域处理，每一小域对应输入层的一个神经元。测试结果表明，该识别方案具有很强的抗畸变，抗旋转能力。     

智能神经网络系统原理在印刷体汉字识别中的应用

在印刷体汉字识别中的实验中,提出了一种解决在网络学习时,随样本数的增加,学习时间会按指数级增加的方案;应用智能神经网络系统原理,先训练好各个功能专一、结构简单的小智能神经网络,然后联合小智能神经网络构成功能复杂的大智能神经网络。实验表明,智能神经网络系统原理为克服传统神经网络纠敛速度慢的缺点,同时不增加网络负担提供了一种有效方案。     

通信信号数字调制方式 自动识别的特征矢量研究

数字调制方式的自动识别是通信中信号接收和分析的一个重要内容。而形成一个完备而必要的特征矢量空间，又是模式识别的一个重要的预处理过程。本文在总结各种基本数字调制信号特点的基础上，综合信号的瞬时幅度、瞬时相位、瞬时频率等统计特性形成了需要的模式识别特征空间，为进一步完成数字调制方式的自动识别打下基础。     

印刷体英文文档识别系统的设计与实现

光学字符识别是模式识别领域的一个重要分支.提出并实现了一种用于印刷体英文文档的OCR系统.该系统使用基于字符识别的方法进行文档识别,图像经过预处理后,提取多种特征进行组合,并且考虑到字符粘连的情况,在训练样本中加入部分易粘连字母组合进行识别.通过实验证明,该识别系统快速、稳定且有效.     

基于模糊神经网络的印刷体汉字容错识别方法

类似于人脑的工作方式，模糊系统善于表达人的经验性知识，能处理难以依靠数学模型清晰表达的模糊性信息，在对汉字模式的辨识中具有较强的抗噪性。文中利用4层神经网络方法实现的一种模糊分类器，弥补了单纯的神经网络和单纯的模糊系统各自的不足，实现了模糊系统中规则的自学习性和自优化性，使系统具有很好的鲁棒性能。利用建立在一组网络上的表决机制，不仅降低了网络的复杂性，而且实现了对任意类数分类器的构造。实验结果表明，文中提出的方法很好地解决了对印刷体汉字进行客错识别问题。     

一种新的手写体数字识别方法

应用多分支二阶伪二维隐马尔可夫模型进行了手写体数字的识别,引入了多分支二阶伪二维维特比算法对模型进行训练,该训练算法比传统的前后向算有下述优点：１,避免了下溢出问题。２．运算精度大大提高．３。运算速度加快。采用多分支模型可以更充分描述模型特征,其识别率高于普通伪二维隐马尔可夫模型,试验结果训练集识别率９６．１％、测试集９４．９５％。     

联机手写汉字识别算法及其系统实现

基于统计模式识别原理的联机手写汉字识别算法,提出了一种新的笔划识别算法-笔划识别的混合算法,它是方向码差值判别法与坐标差特征值判别法的有机结合,同时提出了笔段二值化等概念,并论述了以最小距离判决法则为理论依据的特征坐标匹配识别原理。     

不确定度的简化公式和数字位数

提出了总不确定度的简化公式,置信概率误差小,计算简单;还提出了判断不确定度数字位数的简单规则。     

基于BP神经网络的集装箱箱号识别

提出一种用BP神经网络实现集装箱箱号识别的方法。提出的图像预处理方法对管柱,底面凹凸,脏污物、光线的强弱、倾斜、缺损或模糊有较强的适应性。在BP网络分类器实现时,考虑集装箱箱号的组成特点,采用并行处理方法。在BP算法中,引入动态因子,动态调整学习步长。实践证明利用这种方法来识别装箱箱号,速度快,识别率高,具有较高的实用价值。     

基于改进AlexNet卷积神经网络的手写体数字识别

为了提高手写体数字的识别率,在AlexNet网络模型的基础上进行改进,引入Inception-resnet模块替换模型中的Conv3和Conv4来提升模型的特征提取能力;使用批归一化处理（BN）方法加快网络的收敛速度,防止过拟合;减少卷积核的数量,提升网络的训练速度。在MNIST数据集上进行训练与测试,实验结果表明改进的网络模型具有较高的检测精度,达到了0.9966,证明了本算法的有效性。