共查询到18条相似文献,搜索用时 79 毫秒
1.
2.
3.
4.
基于神经网络的手写体汉字识别实验系统 总被引:2,自引:0,他引:2
本文针对BP网络的特点, 讨论了手写体汉字特征的抽取, 给出了BP网络的算法, 对于特定人手写体汉字大写“壹”~“ 拾”取得95%以上的识别率。 相似文献
5.
手写体汉字识别的超综合方法 总被引:1,自引:0,他引:1
受超综合思想的启发,本文提出了两种手写体汉字识别的集成方法。第一种方法基于线性模型,第二种则基地有监督学习的网络集成方法。与以前的集成方法相比,该方法在通过监督学习自动获取集成系统的参数方面取得了成功,它对于分类大量的模式识别问题是非常重要的。实验结果证明,集成系统的效果比任何一个单一分类器要好得多。 相似文献
6.
7.
8.
9.
联机手写体汉字识别后处理技术的研究 总被引:4,自引:1,他引:3
文中提出了一种规则和统计相结合的计算语言模型应用于联机手写体汉字识别后处理的技术,把基于统计的大词表Markov语言模型与语言规则量化模型,通过词网格技术集成在一个语言解码器,这种后处理方法由3个阶段组成,词网格生成,语言解码,基于Cache的自学习机制,语言解码器采用Viterbi搜索算法求解最优语句候选,该项技术已应用于HPC(手持机)手写电脑的联机汉字手写体识别系统中,汉字识别率为91.3% 相似文献
10.
11.
基于笔划宽度提取的手写体汉字归一化方法 总被引:1,自引:0,他引:1
手写体汉字书写变形是手写体汉字识别预处理阶段的重要问题之一。为了有效地改善手写体汉字变形并识别手写体汉字,提出了手写体汉字笔划宽度提取,以及基于提取出的笔划宽度的手写体汉字归一化的方法。用上述方法在计算机上进行仿真实验,实验结果表明,手写体汉字归一化的方法既能保证原手写体汉字的形状结构特征不变,并可有效地改善手写体汉字变形差异。 相似文献
12.
为了更有效地提取手写汉字的特征,提高识别精度,本文提出了一种利用非线性归一化过程产生的坐标变换信息来提取手写汉字有效特征的方法。该方法通过非线性归一化获得各有效像素点在原汉字图像及规整后汉字图像中的坐标变换关系,在原图像上抽取各点特征,在归一化图像上进行网格的均匀划分和特征统计并形成用于分类的特征向量。该方法有效克服了以往先进行归一化预处理方法和动态网格方法的一些不足,兼顾了与传统结构特征提取方法的有效结合。针对HCL2000脱机手写汉字库大字符集样本的实验结果表明,该特征提取方法可有效提高识别精度和特征抽取速度。 相似文献
13.
孙广玲 《中国图象图形学报》2008,13(10):1853-1856
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。 相似文献
14.
在脱机手写汉字识别中,笔画形变是造成识别率下降的主要原因,减少笔画形变的影响是提高脱机手写汉字识别率的关键。针对上述问题,提出了最优采样特征。该特征以目前被广泛应用的方向线素特征为基础,在一定的约束条件下,通过移动采样点的位置,可以适应笔画的形变。从而减少特征的类内方差,提高特征的可分性,改进了识别性能。通过在THCHR样本集上进行实验,并对最优采样特征和方向线素特征的实验结果进行比较,验证了最优采样特征的识别率优于方向线索特征。 相似文献
15.
联机手写汉字识别(OLCCR),是指用笔在图形输入板上写字,人一边写,机器一边认,是一种方便的汉字识别手段。在各种自动识别输入的方法中,OLCCR是能够代替或部分代替人工编码输入的惟一可能的方法。识别中主要是两方面的问题:建立汉字识别库和手写板上笔画轨迹的识别。文中就第二方面即手写笔画识别的问题进行了全面的研究,采用笔画基元帮助分析笔画轨迹,并用可视化编程工具Visual C 6.0实现了基于这种方法的笔画识别过程。 相似文献
16.
一种手写体大写金额串的分割新方法 总被引:3,自引:0,他引:3
手写体大写金额串的分割将直接影响识别的准确率。为了提高分割的准确率,同时保证较快的分割速度,本文采用了由粗分割和细分割组成的两步分割方法。重点介绍交叉字符和相连字符的分割方法。对于交叉的字符提出了加窗处理的中点连线分割方法,它较其它方法具有简单准确的优点;对于单笔相连的字符,先在细化字符图象上找到候选笔划的候选分割点,然后用本文提出的简明的评价准则来确定最优分割点,提高了粗分割的精度。上述方法应用于银行支票手写体大写金额的分割,取得了很好的分割效果。 相似文献
17.
18.
以往的手写汉字识别方法,无论应用何种特征提取方法,在生成标准模板时,一般都采用样本特征的算术平均值。文章提出了一种使用样本特征的分位数组合生成标准模板的方法,通过其在手写汉字识别中的应用表明,该方法比基于均值的标准模板有更好的鲁棒性,且在不增加任何计算量和算法复杂度的前提下,使系统的识别性能有所提高;同时该算法还有很好的推广性能,可以应用到各种特征提取算法中。 相似文献