一种改进的基于 ART2神经网络的文字识别算法

为了解决 ART2神经网络的漂移问题,提出了一种改进的基于 ART2神经网络的文字分类和识别方法.此方法能够自主学习,收敛速度快,识别率和识别速度都比 BP神经网络高.实践证明,基于此设计的脱机手写体文字识别系统能对较规范的手写体文字进行识别,识别率达到85%.     

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     

基于余弦整形变换的手写汉字训练样本生成方法

提出了一种新的基于余弦整形变换的手写汉字训练样本生成方法，该方法可以有效提高现有手写汉字识别系统的识别性能。通过对原始训练样本进行基于余弦整形变换的样本生成和样本筛选，在一定程度上缓解了某些条件下训练样本不足的问题，增强了识别器的扩展能力和鲁棒性。在HCL2000数据库上进行的实验表明，该方法可有效提高汉字分类器的识别率。     

基于余弦整形变换的手写汉字训练样本生成方法

提出了一种新的基于余弦整形变换的手写汉字训练样本生成方法，该方法可以有效提高现有手写汉字识别系统的识别性能。通过对原始训练样本进行基于余弦整形变换的样本生成和样本筛选，在一定程度上缓解了某些条件下训练样本不足的问题，增强了识别器的扩展能力和鲁棒性。在HCL2000数据库上进行的实验表明，该方法可有效提高汉字分类器的识别率。     

汉字笔迹鉴别中预处理算法实现

针对自由格式的手写体汉字，提出一套系统完整的笔迹图像预处理算法，其中我们将汉字宽度的统计特性与高斯分布的特性结合进行粘连字的虑除，然后根据粘连字的投影图中波谷点的位置，选择某一阈值作为最佳切分点将其分割开来，从而很容易实现了字符大小的归一化、汉字的任意拼接和行倾斜的校正．该算法使得整个预处理子系统更加稳定与完善，为后续的笔迹鉴别提供了可靠的保证．     

汉字笔迹鉴别中预处理算法实现

针对自由格式的手写体汉字,提出一套系统完整的笔迹图像预处理算法,其中我们将汉字宽度的统计特性与高斯分布的特性结合进行粘连字的滤除,然后根据粘连字的投影图中波谷点的位置,选择某一阈值作为最佳切分点将其分割开来,从而很容易实现了字符大小的归一化、汉字的任意拼接和行倾斜的校正.该算法使得整个预处理子系统更加稳定与完善,为后续的笔迹鉴别提供了可靠的保证.     

基于与或树结构的手写汉字识别方法

提出以与或树结构来描述手写汉字结构特征和笔划特征的方法，并以特征树之间的距离量度来判定特征树的匹配，从而达到识别汉字的目的。此外，使用与或树结构能够归纳出训练字的共性和差异，并对识别字典充实与完善。     

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.     

基于粗网格神经网络的车牌字符识别方法

目的为了进一步提高交通车牌字符自动识别能力.方法通过对车牌识别技术国内外现状的分析和对各类车牌识别技术的对比说明,提出了一种基于粗网格神经网络的车牌文字识别方法.该方法先将车牌字符进行预处理,用改进的粗网格法提取字符特征,并用神经网络识别车牌字符.结果在实验过程中所用的字符是从实际拍摄的车辆牌照图像中提取的汉字、英文大写字母和数字.人工提取的汉字种类覆盖了我国现有车辆牌照中出现的大部分汉字,而字母和数字的覆盖率为100%.从实验结果看:数字、字母的识别率比较高,尤其是数字,其识别率达到了99.16%.结论实验表明:数字、字母易于准确地提取特征,粗网格神经网络车牌字符识别方法具有较高的识别精度和实用价值.     

基于人工神经网络自适应共振理论的手写字符识别

以人工神经网络中的自适应共振理论为基础,研究了用光标在电脑屏幕上进行手写输入的字符识别方法.根据专业领域文字输入中经常使用特殊字符的特点,程序部分由内核是Unicode的Java实现.采用Unicode编码不但可以方便地实现特殊字符的识别和显示,还有利于跨平台的移植,较好地解决了文字录入中特殊字符不易查找以及某些用户操作键盘不便等实际问题.     

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%.     

基于字符特征叠加提取与BP神经网络的字符识别

由于字符的种类繁多,并且同一字符又有多种字体,而传统的字符识别方法不能充分利用字符本身的特征,因此造成识别的字符种类单一、识别效果不理想等问题。提出一种通过字符特征叠加提取结合 BP 神经网络识别字符的方法,从单一字符图像中提取到更多的字符特征,利用BP神经网络自我学习的特点,设计了字符识别系统,再用 VC编程完成识别过程的仿真。结果证明,用本文提出的方法进行字符识别,识别的字符种类多、识别率高、识别时间短。     

A Structure Similarity Analysis Method for On－Line Recognition of Handwritten Chinese Characters

ＡＳｔｒｕｃｔｕｒｅＳｉｍｉｌａｒｉｔｙＡｎａｌｙｓｉｓＭｅｔｈｏｄｆｏｒＯｎ－ＬｉｎｅＲｅｃｏｇｎｉｔｉｏｎｏｆＨａｎｄｗｒｉｔｔｅｎＣｈｉｎｅｓｅＣｈａｒａｃｔｅｒｓＬＩＵＪｉａｆｅｎｇ；ＴＡＮＧＪｉａｎｇｌｏｎｇ；ＳＨＵＷｅｎｈａｏ（刘家锋，唐...     

A 4-Corner Codes Classifier Based on Decision Tree Inductive Learning for Handwritten Chinese Characters

oINTRODUCTIONDiscretevectorspacewhichcanbeappliedtomanyfieldssuchaspatternrecognition,intelligentcontrolandknowledgeacquisi-tion[l~3lplayakeyroleinartificialintelli-gence.DecisiontreeInductivelearningisoneofthemosteffectivemethodswhichcanac-quireknowledgebytrainingexamplesinfiniteanddiscretevectorspace1"51.Algorithms['6]fordecisiontreeinductivelearningcanyieldarecognitionfunctionaccordingtoatrainingexamp1eset.Valuesgivenbythefunctionbe-longtoaone-dimensional,finiteanddiscretevectorspace.…     

基于Gabor变换和LMBP神经网络的 车牌汉字字符识别

字符识别是汽车牌照自动识别系统中的关键环节,汉字字符识别是其中的难点。提出用Gabor滤波器对灰度汉字图像抽取横、竖、撇、捺的4幅能量特征图像的方法,同时对Gabor滤波器组输出值进行非线性变换,使其适应于不同亮度和低质量灰度车牌字符图像的识别,最终采用网络法提取4幅能量特征图像的特征,用改进的BP神经网络作为车牌汉字字符的识别器,提高车牌识别率。     

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。     

多尺度特征与知识图谱融合的景区手写诗词识别

针对景区手写诗词存在背景纹理复杂、字体尺寸及风格多样等特点导致景区游客难以识别手写诗词的问题,首先,分析研究景区手写诗词的识别场景,设计景区诗词检测网络（detection of poetry in scenic areas-network,DPSA-Net）以提取景区手写诗词不同尺度的特征,并结合手写诗词字符间的链接依赖关系实现景区手写诗词检测;其次,设计了卷积循环聚合网络（convolution recurrent aggregation network,CRA-Net）以对景区手写诗词进行识别,结合卷积神经网络（convolutional neural networks,CNN）和双向长短期记忆网络提取手写诗词图像的序列特征,并通过聚合交叉熵（aggregation cross-entropy,ACE）实现特征向文本的转换;最后,结合景区知识图谱对CRA-Net的输出进行校正,进而提高景区手写诗词的识别准确率。实验结果表明,通过景区手写诗词矫正技术对CRA-Net的识别结果矫正后,识别准确率达到了79.04%,同时,该技术具有较好的抗干扰能力和良好的应用前景。

     

用自然结构分析法识别手写汉字

本文从汉字的自然层次结构出发,提出了手写汉字识别的自然结构分析法。在充分考查了国标集6763个汉字的基础上,建立了一个模拟实验系统。在该系统中,使用了扩充的有限自动机和启发式搜索等技术。该系统能识别带有少量连笔的手写汉字。实验结果表明:自然结构分析法是一种有效的手写汉字识别方法。     

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.