基于轮廓特征的HMM手写数字识别

在手写数字识别中,边界链码和环构成了对字符轮廓的完整描述。针对手写数字的特点,建了24种笔划。首先将样本边界链码转化成由24个笔划组成的特征值,再加上环特征,构成整个特征值。然后利用隐马尔可夫模型（HMM）对提取的特征值进行分类识别。首次将字符轮廓特征应用在基于HMM的手写数字识别中,在识别MNIST字库上,取得了92.2%的识别率。     

基于支持向量机的手写体数字识别系统设计

数字识别是光学字符识别技术里发展比较早的一种技术,是OCR的一个分支。数字识别又分为手写数字识别和非手写数字识别,提到的手写数字识别是指脱机手写数字识别。支持向量机是近几年来模式识别领域中的一个新技术,它被广泛应用到文字识别、人脸识别等应用中,是模式识别领域中的研究热点,把支持向量机技术应用到手写数字识别系统中,以期提高识别系统的性能。     

基于SVM的手写数字相似字识别研究

该文针对银行票据识别系统中的手写数字的识别问题,利用神经网络和支撑向量机相结合的方法构建了手写数字的识别核,并利用支撑向量机对神经网络输出的识别结果中的相似字进行了二次识别,解决了手写数字中相似字的识别问题,最终的单字误识率达到2.0426%～5.4369%,满足了银行票据识别系统中的手写数字识别的实际要求。     

可手写计算机识别码的研究

为了使得用手填写的数码能让计算机百分之百地自动识别，本文研究了一种新的可手写计算机识别码，该码是由标有数字的小方格和识别标志组成的二维图形符号，只需简单地在相应的方格上涂黑，即可得到计算机可识别的数码。文中也阐述了以这种码为基础研制计算机数码自动识别系统的方法，及其在财会，商业票据和普查表格数据自动输入中的应用。     

基于统计和结构特征的手写数字识别研究

针对目前手写数字识别精度不高的问题,通过对手写数字图像的研究,提出了基于手写数字图像的空间、旋转、层次和结构特性的特征提取方法.该方法把手写数字的统计和结构特征结合起来,以特征提取方法为基础,利用LibSVM算法对手写数字特征进行了训练和识别.通过实验给出了各个参数的推荐值,利用推荐参数值,手写数字MNIST字体库的识别率高达99.3333％.实验结果表明了该算法在识别手写数字上的有效性和准确性.     

基于KNN算法的手写数字识别技术研究

KNN遗传算法在手写数字识别技术中的应用,对图像、字符等进行识别计算处理,提高了手写数字识别技术的应用性.从手写数字识别技术计算流程、图像处理、数据处理方面,对KNN算法在手写数字识别技术中的应用进行了研究,在KNN算法的基础之上,提出了 Python库调用设计方案,并对Classify()函数和img2vector函数的程序设计代码进行了设计研究.     

基于决策树的手写数字识别的应用研究

随着信息化技术的迅速发展,社会各个行业对信息化技术的依赖与日俱深,其中一个重要的场景就是将用户的手写信息识别到计算机系统中,而在这一场景中一个常见识别内容就是识别手写数字。传统方法难以准确识别手写数字,深度学习则计算量较大,因此提出使用机器学习中决策树模型来分析手写数字。实验结果表明,所提方法能在保持计算量较小的前提下精确、快速地识别出各种手写数字,可作为手写数字的有效识别手段。     

手写数字识别的原理及应用

随着信息技术的发展,信息建设在我国得到了迅猛的发展,手写数字识别的应用需求越来越广泛.文章从概念、研究背景、研究意义等方面介绍了手写数字识别的原理及实现方法,并介绍了手写数字识别的几个典型应用.     

基于Python语言构建神经网络识别手写数字的研究

随着信息技术的快速发展,利用计算机识别手写数字节省了大量的人工识别成本,具有一定的现实意义.通过Python语言构建神经网络,以手写数字识别为研究对象,不仅对神经网络的原理和数学建模做了详细阐述,还用Python语言模拟实现神经网络模型,通过训练神经网络模型输出识别手写数字的准确度以及相关影响因子的分析,实现了对手写数...     

基于模糊模式的手写数字识别

手写体数字识别是一个难度很大,但却具有广阔应用前景的研究课题.文章提出了一种基于模糊模式识别和BP神经网络技术对手写数字进行识别的算法:首先应用BP神经网络技术对手写数字样本进行学习,然后结合模糊模式识别方法进行手写数字识别.实验表明,该方法的正确识别率达95%以上.     

清华大学电子工程系推出THOCR—97综合集成汉字识别系统

清华大学电子工程系,经过两年多的时间,研制成功了综合集成汉字识别系统,并于1997年3月22日通过国家教委的鉴定。 THOCR—97综合集成汉字识别系统(即多文种OCR以及联机和脱机手写汉字、数字识别的综合集成)是在过去十余年印刷汉字识别研究的基础上,除了在多文种、版面恢复、鲁棒性提高等印刷文本识别系统性能上有重大性突破外,还将联机手写汉字识别、脱机手写汉字文本识别、手写数字识别和手写数字统计报表     

一个实用的手写成绩单识别系统

介绍了一个实用的手写成绩单识别系统，它既可以识别手写的数字成绩单，也可以识别手写的汉字成绩单。对脱机手写汉字的识别，提出了一种基于隐马尔可夫模型的识别方法。     

矿井地质记录中手写数字自动识别方法

针对目前矿井地质记录中采用人工判读方式识别手写数字效率较低的问题,提出了一种手写数字自动识别方法,详细介绍了颜色过滤及数字区域定位、数字分割、样本训练、数字识别等步骤。该方法利用计算机图像处理技术实现了对特定区域数字的自动定位和识别,提高了工作效率。     

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;建立专门的数据集并进行测评。实验结果表明,新算法具有极高的识别率,而且识别速度很快。     

一种基于KNN算法的手写数字识别实现

KNN是比较成熟的分类算法,关于KNN手写数字识别的分类应用实战很多都是基于sklearn提供的手写数字识别数据集traningDigits。笔者结合KNN算法原理用Python实现其手写数字识别的算法过程,并支持用户用拍照、绘图软件手写数字,方法就是将图片处理成sklearn提供的数据集格式,然后作为测试样本应用在分类模型中进行预测,经过运行验证算法分类效果良好。     

基于主曲线的脱机手写数字结构特征分析及选取

要提高脱机手写数字识别的识别率,关键是特征的提取与选择．主曲线是主成分分析的非线性推广,它是通过数据分布“中间”并满足“自相合”的光滑曲线．它较好地反映了数据分布的结构特征．在数字特征选取中,首先将主曲线用于训练数据的特征提取;其次在详细分析数字主曲线的结构特点的基础上,选择出用于数字识别的粗分类、细分类特征;最后在对手写数字进行识别时,先进行粗分类再进行细分类．所提方法在Concordia大学的CENPARMI手写体数字数据库上的实验结果表明：利用这些特征能有效区分相似字符,提高了手写数字的识别率,为脱机手写数字识别的研究提供了一条新途径。     

基于置信度的多分类器互补集成手写数字识别

离线手写数字识别是光学字符识别的一个重要分支,在银行票据识别、邮政编码识别等领域有着广泛的应用。由于单一分类器在识别率上很难达到要求,人们提出了各种集成分类器识别方案。通过对离线手写数字的特征提取,从特征互补的角度出发,采用了最小距离分类器、树分类器和BP网络分类器进行多分类器互补集成,提出了基于置信度的多分类器互补集成方法。通过实验对比,基于置信度的多分类器互补集成手写数字识别在识别率和识别速度上达到了满意的结果。     

基于最近邻算法的手写数字识别的研究

作为世界三大尖端技术之一,人工智能在很多学科领域都获得了广泛应用,并取得了令人瞩目的成就,已经成为推动社会经济发展的新动力。特别是伴随大数据时代的到来,人工智能技术在知识发现及信息挖掘中展现了极大的魅力。手写数字识别是指利用计算机算法,将人们手写的0～9十个数字进行自动的辨别,其在手机端手写体输入,邮政系统邮编信件分拣,金融行业数据录入等许多领域都有重要的应用价值。本文利用机器学习中的最近邻算法对手写数字进行了识别研究,使计算机能够对人们手写的数字进行自动辨别分析,取得了较好的分类结果,从而说明了最近邻算法的有效性。同时,本论文的研究方法与研究思路也为其他同类研究提供了借鉴指导,可以进行其他手写字符的识别研究,例如手写英文字母,手写汉字等。     

一个基于神经网络的手写文字分类/识别模型

本文设计了一个基于神经网络的手写文字(汉字、数字、字母等)分类/识别模型,给出了该模型的预处理方法、神经网络结构、工作算法和学习算法, 并进行了手写数字识别和手写汉字分类实验。实验结果表明我们所设计的网络结构是较合理的, 所采用的预处理方法是有效的, 能够取得较高的分类/识别效率。     

基于遗传优化的网络组合算法的手写数字识别

目前,手写数字识别技术已被广泛应用.基于遗传优化的网络组合算法对经预处理的手写数字采用网络加权组合法进行识别,最佳网络初始权值由改进的遗传算法得到。灰度特征神经网中,首先对输入数据进行离散余弦变换以降低因二值化带来的冗余.实验表明该法是较有效的手写数字识别算法。