基于多分类器的无分割手写数字字符串识别算法

手写体数字字符串识别常用于邮件自动分拣、银行票据和财务报表的录入中,针对其分割识别算法复杂度较高、准确率较低的问题,提出一种多分类器下无分割手写数字字符串识别算法。该算法的核心是采用四个分类器实现粘连字符串的无分割识别;将残差结构应用于LeNet-5网络,以增加网络深度,提高识别准确率,加快收敛速度;使用动态选择策略,以避免长度分类器误分类对识别结果的影响。实验结果表明,在NIST SD19一位数字和Synthetic数据集训练网络下,使用NIST SD19上长度为2、3、4、5、6的字符串验证网络,其识别准确率分别为99.3%、98.5%、98.1%、96.6%和97.2%。     

词典驱动的联机手写日文病名识别研究

研究了一种有效的词典驱动的联机手写日文病名识别方法。病名词典以树结构存储,包含21 713个病名短语。在切分中,手写病名字符串通过分析相邻笔划之间的空间信息等特征被切分为原始的片段序列。连续的片段动态地合并为候选字符模式,不同的合并方式产生不同的候选字符序列,这样可构成一个切分候选网格。在识别过程中,结合病名词典匹配来限制候选字符模式的类别扩展,采用集束搜索策略来寻找到一条最优路径作为识别结果。用500个实际的手写病名样本做实验,平均每个病名的识别时间为0.87 s,识别正确率为83.16%。     

一种快速字符串匹配搜索算法

文中在分析入侵检测系统Snort的规则匹配算法--Boyer-Moore(BM)算法的基础上,提出了一种更为优越的字符串搜索算法,该算法充分利用每一次匹配比较的信息以跳过尽可能多的字符进行下次比较.理论分析与实验表明,该算法具有更大的平均搜索步长、更少的匹配比较次数和更快的速度.     

通过个性化手写识别提升手写效率

如何在预装Windows7系统、支持触控的PC上,升级至个性化手写识别,以提高手写识别率?预装Windows7系统的一体机电脑往往能为消费者带来出色的互动体验,不过不少用户在手写输入时发现,电脑往往会误解用户输入字符,让人花很多时间修正错误或擦除文本重新输入,这使得个性化手写识别功能被越来越多的用户关注。     

基于频率特征提取的脱机手写字符的快速识别

针对目前脱机手写字符识别计算量大,对字体字形都有一定的要求,提出了主要以字符矩阵中01变换频率为基础,从字符的整体和局部特征出发进行分析识别的算法。此算法缩减了计算量并对所需局部信息进行放大,在一定程度上避免了传统采用分类器方法的错误传导,提高了字符的识别率,易于实现移植和扩展。     

基于词典的手写体字符串分割与识别及在日文地址阅读中的应用

本文论述了基于大词汇量词典的日文邮件地址手写体字符串的识别系统，所用词典包含了lll，349个地址短语。在识别过程中，文本行图像与词典入口进行匹配，以获得可靠的分割和合理的地址短语。在预分割中，文本行图像通过连接组件分析和以边缘轮廓线分析为基础的粘连模式分裂被分割为原始的段。词典匹配中，连续的段动态地合并成候选字符模式。一个精确的字符分类器嵌入在词典匹配中，以此从动态分类集中选择候选模式匹配的字符。在词典匹配中，采用了一种Beam搜索策略来荻取实时识别的效果。在测试3589封实际邮件的实验中，本文提出的方法正确率达到了83．86％，而错误率小于l％。     

手写识别建模数学方法研究

为了解决汉字手写识别,提出最简单的建模方法。运用独特思路,建立了拓扑学的二维图形定义的模型。在网格背景中,使用二十七种点的相互的拓扑关系定义,识别汉字基本笔画的六种分类,然后识别了汉字的每种单一连续的手写笔画,从而识别了汉字。规避了常见的二维图形学中的复杂的线条计算与判定。从而,使得手写识别变得十分轻松,而且机理简单、清晰、易懂,使得编程工作量降低到最低点。本文的方法,具有通用性,可以机动灵活的移植到其它任何民族的文字。     

朝鲜语联机手写识别建模研究

为了解决朝鲜语(韩语)手写识别,对韩语文字提取独特几何特征定义方式.提出六组基本元定义,用它们区分韩语的各个字母.使用二次编码矫正,通过实验,使得重码率降到极低.能够较为准确的识别韩语中各种风格的手写正楷与部分行书.对于韩语草书的识别,是否成功,取决于建立大而全的草书字典.这一独特方法,也可以移植到韩语印刷体识别.     

两个字符串搜索算法的比较及改进

字符串搜索算法在实际生活中被广泛应用,它是计算机基础科学的一个重要部分,现在比较著名的字符串搜索算法包括BF(Brute Force)算法、KMP(Knuth Morris Pratt)算法和BM(Boyer Moore)算法等。本文比较了BF算法、BM算法的搜索效率以及基于BM算法的改进。     

基于反馈的手写体字符识别方法的研究

该文提出了一种基于反馈的手写体字符识别方法。该方法将人工神经网络结构及学习算法运用于系统反馈机制中，并从理论上证明了该学习方法是收敛的，保证了算法的有效性。同时给出了反馈的可视化约束及反馈的判别准则。试验结果证明了该方法大大降低了高噪音手写体数字的识别率。该方法指出了一条进一步提高手写体字符系统性能的新途径。     

书写文字识别算法研究

介绍模式识别的基本原理和对书写文字字符的识别以及文字识别,阐述模式识别的过程、图像文件的格式,介绍基于住图技术的模式识别理论;讨论分类器设计过程中的特征空间优化设计问题、分类嚣设计准则、基本方法和判别函数的知识,给出模板匹配法识别图像的原理.     

联机手写维吾尔文字母识别方法

通过分析维吾尔文字母自身的结构和书写特点,提出一种联机手写维吾尔文字母识别方案,并选择在手写汉字识别技术中所提出来的归一化、特征提取及常用的分类方法,从中找出最佳的技术选择。在实验对比中,采用8种不同的归一化预处理方法,基于坐标归一化的特征提取 (NCFE) 方法,以及改进的二次分类函数(MQDF)、判别学习型二次判别函数(DLQDF)、学习矢量量化(LVQ)、支持向量机(SVM)4种分类器。同时,再考虑字符在文档中的空间几何特征,进一步提高识别性能。在128个维吾尔文字母类别、38 400个测试样本的实验中,正确识别率最高达89。08%,为进一步研究面向维吾尔文字母特性的识别技术奠定重要基础。     

计算机实时手写中文自动识别

本文介绍用于联机手写中文字自动识别的新方法与新算法.由于下述各点的实现,手写文字时可以减少许多限制,增加书写自由.①笔划的抽取经由两次分段实现:首先连续采样,将输入笔划变换成线段组成,再对线段的长度进行比较,删去相对不重要的成份.②用笔划校正技术将不应分离的笔划重新组合成规范笔划,或者将不应联写的复合笔划重新分解成基本笔划.③用非完全匹配技术使失真字可以识别.④用混序笔划重排算法可使一个混序笔划输入的字重新排列笔顺.⑤笔划位置和长度作为进一步特征,可区别模糊字.     

一种识别手写汉字的多分类器集成方法

根据多信源信息处理与字符识别的经验知识,提出了一个识别手写汉字的多分类器线性集成模型.这个模型不仅考虑到不同的分类器对不同字符识别能力的不同,而且还考虑了不同的分类器得出的输入字符与参考模板之间相似度的实际大小对判决的影响,及不同分类器提供的候选字符对判决的支持作用,更重要的是提供了一种通过监督学习,利用计算机程序自动计算模型参数的方法,因而实现了一个较好的集成系统.同时,本文还提供了三个用于集成的分类器,它们集成的结果充分显示了本方法的有效性.     

基于语义的手写汉字识别模型

目前,已经有很多文献阐述了不同的手写汉字识别算法,但是绝大多数算法都是针对单个汉字进行识别的,所以对于比较容易混淆的字,它们的识别效果都不好。该文针对这个问题,在单个汉字识别的基础上,结合汉语字典,加入了对前后汉字的语义考虑,大大地提高了这些容易混淆的汉字的识别率。     

手写字符识别的非线性主动判别函数

提出了用于手写字符识别的非线性主动判别函数,是线性主动判别函数在手写字符非线性变化情况下的推广。该方法利用Kernel PCA分析捕捉和表示这种非线性变化。将输入空间非线性映射为特征空间,在特征空间的主子空间中生成最优主动原型模板,其与字符特征向量在特征空间主子空间的投影之间的距离即为非线性主动判别函数;同时,基于最小分类错误准则对该函数进行了优化。实验结果表明,非线性主动判别函数获得了比线性主动判别函数更高的识别率。     

中文日期词的分割与识别

非限定性手写汉字串的分割与识别是当前字符识别领域中的一个难点问题.针对手写日期的特点,提出了整词识别和定长汉字串分割识别相结合的组合识别方法.整词识别将字符串作为一个整体进行识别,无需复杂的字符串分割过程.在定长汉字串分割过程中,首先通过识别来预测汉字串的长度,然后通过投影和轮廓分析确定候选分割线,最后通过识别选取最优分割路径.这两种分割识别方法通过规则进行组合,大大提高了系统的性能.在真实票据图像上的实验表明了该方法的有效性,分割识别正确率达到了93.3%.     

手写汉字识别的非线性动态部件模板

对以前提出的非线性动态手写模板加以改进并用于手写汉字的部件识别.在训练阶段,核-主元分析用来捕捉非线性的手写变化.于是,只需改变少量的形状参数就可获得动态变形的模板.在识别阶段,遗传算法取代了原始的动态通道算法去寻找最优的形状参数.我们对覆盖2154个汉字类别的200个部件进行了实验,对不用人书写的430,800个测试样本的部件识别率达97.4%.与现有的代表性部件方法比较也显示本文的方法效果最好.     

手写体汉字识别纯神经网络多分类器集成

多分类器集成是解决手写体汉字识别性能的重要方法之一,近年来受到了学术届的普遍关注。文章提出了一种基于单字单网的手写体汉字识别纯神经网络的多分类器集成方案,并通过实验证明该方案是行之有效的。