手写液晶体数字及识别技术

对手写数字的识别是模式识别的一个重要研究方向.通常的手写数字风格多变,无法实现高精度的识别.为此,提出一种新颖的手写数字记录方式,称为\"手写液晶体数字\",进而为其设计了一种专门的识别算法.通过多个采样窗口提取图像特征,并与各类数字的标准特征向量进行相似度计算;基于贝叶斯判决原理,依据最大后验概率完成分类;建立专门的数据...     

网上阅卷系统中Cache技术的研究

数据库的访问速度是网上阅卷系统的瓶颈,为了提高整个系统的性能,采用Cache技术,将要访问的数据库中的数据预先缓存在应用服务器内存中,并根据系统物理内存大小自动确定缓冲区大小,同时针对网上阅卷系统中各类数据的特点设计相应的淘汰和预取策略,从而有效地利用缓存空间,节省磁盘I/O时间和网络带宽,提高系统的整个性能.     

图像处理系统在网上阅卷中的作用

该文讨论了图像处理系统在网上阅卷中的作用,对图像处理系统中图像灰度化,二值化,去除噪声,图像分割等关键步骤进行了分析。灰度化过程中采用彩色模型转换的方法得到灰度图,二值化过程中采用阈值方法得到二值图像,去除噪声采用中值滤波方法,大大加快了图像处理速度,减少了运算时间,并采用MATLAB编程实现了图像分割。     

HMM方法识别脱机手写汉字

本文提出了一种在隐含马尔可夫模型(HMM)框架下建立的识别脱机手写汉字的方法,介绍了以HMM对脱机手写汉字进行建模、识别的整个过程,并给出了实验结果对国标一级3755个汉字的识别率,在两种测试集上分别达到96.4%和91.5%.     

信息检索方法在手写数字识别中的应用及改进

本文首先将文本信息检索中LSI方法的思想和原理应用于手写数字识别问题,把手写数字图像看作空间向量的表示,通过计算未知数字与各训练集之间相关度排序来达到识别的目的,计算量小且有较低的误识率(5.5%);其次,通过对所有0-9数字的训练样本排列为一个矩阵,并对该矩阵进行奇异值分解,将各训练样本在适当维数的左奇异向量上分别投影,得到了一种低阶表示下的相关度计算方法,该方法在保持原有较低误识率的同时,能极大地压缩原有训练样本数据(压缩掉的数据百分比超过95%);另外,利用了区分不规范样本的思想,获得了更低的误识率(下降到4.5%)。     

网上阅卷系统中双重签名的研究

基于网上阅卷的基本原理,通过双重签名技术,来对电子试卷进行评阅,保证学生所提交试卷的完整性与真实性,保证老师所给成绩的真实性和完整性.     

自动评阅系统中手写英文字母识别算法研究

该文就自动评阅系统中手写英文字母的识别问题提出一种简单高效的识别方法。对预处理之后的图像进行水平和垂直投影,通过提取相关的特征信息对目标字母进行分类,经过几次分类完成对字母的识别。实验证明该方法可以较快的完成识别,并具有较高的准确性。     

一个高速准确的手写数字识别系统

对于手体写数字的识别提出了全新思路,阐述了整个识别步骤中的关键算法。系统可以自动解析包含二值化手写体数字的BMP文件,在经过裁剪、细化、映射归一、获取数字结构特征、匹配等一系列处理之后,可以最大限度地减少因为不同手写风格而带来的干扰,从而快速准确地识别出每个数字。基于所描述的算法而实现的程序,有着很好的识别性能,应用前景十分广泛。     

基于特殊点的DTW在线手写签名认证算法

针对传统动态时间规正算法速度较慢的缺点,提出基于特殊点的动态时间规正在线手写签名认证算法.特殊点包含了丰富的签名信息,表现了签名者的基本生物特征.该算法缩短了身份认证的时间,提高了身份认证的效率.实验结果表明,该方法速度快、识别率高,进而证明在线手写签名在身份认证中具有很好的应用前景.     

脱机手写体汉字识别技术研究的几点思考

针对脱机手写体汉字识别的研究现状。在思考分析基础上．探讨了进一步研究的路线。     

用于手写汉字识别的分布式平台研究与实现

手写汉字识别实验样本量巨大,使得实验无法在有限时间内在单机上运行完成。而模式识别实验需要利用已有的并非为分布式实验而设计的工具,使得其利用当前的分布式中间件模型比较复杂。本文设计并实现了一种轻量级的用于模式识别实验的分布式平台——HWDC。它将网络上的多台计算资源及存储资源整合为一体,提高实验速度。使用TML对任务进行描述,以使得已有的工具可不加修改的部署到该平台上。本文研究了该平台的架构、调度策略、错误处理等。     

基于遗传BP算法的手写体识别

神经网络具有模拟人类的大脑活动、良好的自学习、自适应、联想记忆、并行处理和非线形转换的能力.本文阐述了BP神经网络基本原理以及BP网络手写体识别模型,研究分析了BP神经网络手写体识别模型的缺陷并提出了优化策略.在此基础上,提出一种基于改进结构的BP神经网络来实现手写体数字识别方案,除了改进BP网的结构外,还对网络学习算法进行了改进,采用了BP和GA相结合的算法,提高了网络的学习训练速度和识别效果.     

基于轮廓和统计特征的手写体数字识别

提出了数字规范化模板特征,并利用这一特征与轮廓分段特征相结合对手写体数字进行识别。首先使用基于轮廓分段特征的分类器进行识别,通过提高拒识率获得高可靠性的分类结果。然后由基于数字规范化模板特征的分类器对前一级分类器的拒识样本分类。实验结果表明分别基于这两个特征的分类器在分类结果上具有较强的互补性。实验的数据为真实支票上采集的10000个手写体数字样本,该方法的识别率为98.06%。     

联机手写藏文识别中字丁规范化处理

通过对几种规范化处理算法的深入研究,根据联机手写藏文字丁的特点进行规范化处理,揭示出不同算法的内在本质规律;同时对联机手写藏文识别中的各种噪声进行分析,使用相应的方法消除噪声。使联机手写藏文识别系统的识别率得到一定的提高。     

基于语义分析提高脱机手写体识别率的方法

论文讨论了一种通过自然语言语义层次的理解来协助提高脱机手写体识别率的方法。从识别的过程来看,这种方法是一种基于上下文关系的识别“后处理”方法。文中介绍了语义单元、语义单元表示、语义单元表示树、语义单元表示集、语义单元表示树集,并且具体讨论了通过语义单元表示树集的剪枝来提高识别正确率的方法。     

基于模板匹配的联机手写数字识别

在深入学习和研究模板匹配分类理论和模式识别的过程基础上.利用模板匹配分类算法设计了一个图像分类器.该分类器通过对待分类样本与训练集中的样本之间距离的计算.对0～9这十类联机手写数字图像进行分类识别.     

基于集成RBF神经网络的小类别手写体汉字识别系统

该文介绍了RBF神经网络的模型,讨论了RBF网络分类器的机理和特点,提出了一种集成RBF神经网络并应用于小类别手写体汉字识别系统的设计,采用了组合重心分解网格特征方法来提取汉字特征,设计了遗传进化隐层节点自生成算法用于RBF的训练。实验表明该小类别手写体汉字识别系统有很高的识别率,具有一定的实用推广价值。