基于人工神经网络的手写体相似汉字分类器的设计

相似汉字的准确分类是手写体汉字机器识别中的一个关键性问题。本文从手写体相似汉字的特征抽取方法、神经网络结构的选取及参数的确定、学习算法的设计等方面讨论了基于人工神经网络的手写体相似汉字分类器的设计方法,最后用384组手写体相似汉字对分类器进行识别测试,实验结果证明了分类器的良好性能。     

基于人工神经网络的手写体相似汉字分类器的设计

相似汉字的准确分类是手写体汉字机器识别中的一个关键性问题。本文从手写体相似汉字的特征抽取方法、神经网络结构的选取及参数的确定、学习算法的设计等方面讨论了基于人工神经网络的手写体相似汉字分类器的设计方法 ,最后用 384组手写体相似汉字对分类器进行识别测试 ,实验结果证明了分类器的良好性能     

手写体不规则数码脱机识别过程中的跟踪算法

目的 找出一种手写体数码识别的跟踪方法。方法 通过对手写体数码的特征分析，结合边沿元的概念，对书写轨迹进行扫描跟踪，提出跟踪算法，结果 找到了一种效果较好的边缘跟踪算法。结论 使用边沿元的概念，结合边缘跟踪算法，可以用较快的速度，取得较高的正识率。     

基于改进的PSO神经网络的手写体汉字识别

为了克服手写体汉字识别中传统神经网络训练算法存在网络易于过早收敛的缺陷,本文提出采用自适应惯性权值的粒子群优化算法训练神经网络,即利用粒子更新迭代训练神经网络最优的权值和阈值,其中对粒子更新的惯性权值进行了自适应性的改进.试验中提取了大量汉字样本的笔画数量信息和分布信息作为特征向量,利用改进的粒子群神经网络对汉字进行分类,并与BP神经网络的识别效果做了比较.结果表明:自适应惯性权值的粒子群优化算法能有效避免网络"早熟",大大提高了网络训练精度,网络对汉字的识别正确率明显提高.     

手写体不规则数码脱机识别过程中的跟踪算法

目的　找出一种手写体数码识别的跟踪方法.方法通过对手写体数码的特征分析,结合边沿元的概念,对书写轨迹进行扫描跟踪,提出跟踪算法.结果　找到了一种效果较好的边缘跟踪算法.结论　使用边沿元的概念,结合边缘跟踪算法,可以用较快的速度,取得较高的正识率.     

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。     

脱机手写体汉字识别中的预处理算法研究

多年来,许多科技工作者都时汉字识别这一研究领域产生了极大的兴趣,并发表了大量的有关该研究领域的研究报告和文献,针对脱机手写体汉字识别的预处理工作,重点讨论了图像二值化和字符分割,提出图像二值化的改进算法和简单粘连字符分割的算法、经过实验,在预处理工作中得到了较满意的结果．     

朝鲜文字及其手写体脱机识别

从机器识别角度论述朝鲜文字的一般性特征及手写体朝鲜文字脱机识别面临的困难,并探讨手写体朝鲜文字机器识别的途径。     

特征融合用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点。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。     

On-Line Recognition of Handwritten Chinese Characters

For the design of a system for on-line recognition of handwritten Chinesecharacters stroke segment ordering is such a difficult problem no good solution is availableto it yet so far.An optimal stroke segment matching algorithm based on stroke structureinformation is proposed in this paper.Results of experiments are presented so thatcomparison can be made between the proposed algorithm and the stroke segmentmatching method based on the strokes’absoulute coordinates.     

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.     

用分组神经网络识别手写体数字

用神经网络识别手写体数字,大多数采用的是单个的神经网络结构.本文给出一个基于特征输入的手写体数字识别的分组神经网络结构,它是一个混合网络(Hybrid System).实验的结果表明,同只采用单个神经网络结构的方法相比,分组网络具有更好的识别结果.     

基于BP神经网络分类器的多目标识别方法研究

文章对多目标进行特征提取,数据作为神经网络分类器的输入,采用不同的算法对多输出型BP神经网络分类器和单输出型BP神经网络联合分类器进行训练,实现多目标的识别。仿真试验结果表明,基于BP神经网络分类器的识别方法具有较高的识别率。     

手写体汉字识别的一种粗分类方法

本文论述了一种适用于手写体汉字识别的粗分类方法。文中以方向笔道密度分布为基础,研究了手写体汉字特征的抽取,并按照方差准则选取有效的特征,以减少冗余的信息。此法用于500个常用汉字的粗分类,获得了较为满意的结果。     

基于非线性PCA神经网络的手写体字符识别

非线性主分量分析PCA算法与子空间模式识别方法相结合,提出了一种应用于手写体字符识别的基于非线性PCA神经网络的信号重构模型,并与BP网络模型进行了比较实验,结果表明,本文提出的方法,对于0~9手写体数字识别,正确识别率达到了94.74%,而对于a~z手写体字符识别,正确识别率达到了91.03%.     

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。     

基于LVQ神经网络算法的脱机手写数字识别研究

针对BP神经网络进行脱机手写数字识别所存在的问题,提出用自组织竞争神经网络（LVQ）对脱机手写数字识别的方法.介绍了LVQ神经网络算法,并构建了LVQ神经网络的识别模型,用Matlab软件进行了仿真.将获得的仿真结果数据与BP神经网络的测试结果进行对比分析,发现LVQ神经网络对脱机手写数字的识别率明显高于BP神经网络,且收敛速度更快.该方法在脱机手写数字识别领域具有一定的可行性与指导性.     

基于遗传神经网络的手写体数字识别算法的探讨

针对神经网络BP算法在学习过程中的一些缺点,提出一种基于遗传算法与神经网络的手写数字识别新算法,将遗传算法与BP算法有机结合起来.文中给出了算法模型,并将此算法应用于手写体数字的识别中,实验结果证明它比单一BP算法有更佳的结果.