基于基元模糊关系的手写汉字识别

手写汉字中笔划，部件及其位置关系均产生较大变化，这种变化是引起手写汉字特征不稳定的主要因素。为了减小上述不利影响，使手写汉字特征的描述趋于稳定，本文给出了一种基于汉字基元之间的模糊关系识别手写汉字的方法。     

识别手写汉字的基元模糊关系法

手写汉字中笔划、部件及其位置关系均产生较大变化,这种变化是引起手写汉字特征不稳定的主要因素。为了减小上述不利影响,使手写汉字特征的描述趋于稳定,文章给出了一种基于汉字基元之间的模糊关系识别手写汉字的方法,用汉字基元之间的模糊关系来描述汉字的结构,其优点:一是对汉字基元之间相对位置的变化有较强的适应性,二是不需要对一个汉字中的各个基元在二维平面内进行复杂地排序,汉字的结构可以简化为一个基元模糊关系的集合。     

联机手写汉字识别技术的研究与实践

借助于模式识别的模糊数学的某些概念和思想，提出了一种获取手写汉字笔划特征的识别技术，对如何使识别系统具有自学习功能作了有益的探讨。     

汉字原型与手写汉字识别

本文评述了目前三种汉字的计算机表示和二种传统的汉字结构分析方法。应用拓扑和几何的基本原理, 分析汉字结构及其制约关系。从而, 确定四类组成汉字的基本关系并在此基础上实现了汉字原型, 给出了把汉字原型应用在手写汉字认别的实例。     

自然手写汉字FS识别法

提出联机识别自然手写汉字的FS识别法。在剖析五笔字根结构和编码原则基础上,对五笔字根作适应性改造,将键盘输入技术与联机识别技术有机融合的一种识别体系。在多库识别体系中首次采用层间分级技术。分析和实验表明：充分考虑了自然手写汉字书写习惯和结构特征,系统有较高稳定性。     

离线手写汉字识别的并行实现

汉字识别属于大类别模式识别问题,用并行算法可望提高在单机环境下识别离线手写汉字图象的运行速度,提出了一种汉字识别算法的并行设计方案,并针对它在ＰＶＭ环境下运行结果进行了性能分析。     

小类别数手写汉字识别

针对小类别数手写汉字,在骨架图形的基础上,把手写汉字看作孤枝、孤环和部件的集合,并定义三者之间的方位关系,从而建立手写汉字的数学模型．基于迷种模型,进一步探讨一种新的识别方法以及新方法所使用的知识库的构造方法．实验表明,所提出的模型及识别方法对于小类数的手写汉字识别行之有效。     

构造化线段特征矩阵的手写汉字识别

本文介绍了一种利用线段特征矩阵进行匹配的手写汉字识别方法。对输入文字图像测定其笔划宽度，抽取四个方向子图像。然后，利用文字图像重心分割图像成若干区域，按分割的区域，求各子图像区域的线段特征矩阵，与样本字库比较识别，进行手写汉字识别分类。实验表明本方法是有效的。     

一种内嵌式矢量汉字支撑系统—PD环境下的CVHZ5汉字系统的实现

本文针对功能很强的ＰＤ软件（即ＭＩＣＲＯＣＡＤＤＳ）中汉字标注极不方便的缺陷，用其内嵌的用户编程语言ＵＰＬ开发一套有汉语拼音和常用图形，符号输入功能的内嵌式矢量汉字系统，为ＰＤ软件在我国的推广应用提供了良好的汉字支持。     

大规模逻辑神经网络印刷体汉字识别系统

逻辑神经网络是一种采用快速学习算法、ＲＡＭ阵列实现的数字网络。本文描述了采用这种网络模型实现的印刷体汉字识别系统。这是一个初步实用的系统，可识别大约４０００个不同字号的宋体汉字及其它字符，其识别率为９９％，对于实际书刊，识别率也能达到９５％。系统使用了大约３８４，０００个神经节点，是一个复杂的大规模神经网络。和其它同类系统相比，具有适应性、稳固性好，学习速度快以及可用数字集成电路全硬件并行实现等优