基于SVM的脱机手写汉字机器学习识别方法研究

提出了一种模糊统计方法的脱机手写体汉字特征提取方法,结合小波网格方法和汉字笔画密度特征方法对汉字进行特征提取,并运用支持向量机方法,通过机器学习对脱机手写汉字识别。仿真实验表明,支持向量机方法在脱机手写汉字识别中有良好的识别性能及模糊统计方法是有效的。     

基于SVM的脱机手写汉字机器学习识别方法研究

提出了一种模糊统计方法的脱机手写体汉字特征提取方法．结合小波网格方法和汉字笔画密度特征方法对汉字进行特征提取，并运用支持向量机方法，通过机器学习对脱机手写汉字识别。仿真实验表明，支持向量机方法在脱机手写汉字识别中有良好的识别性能及模糊统计方法是有效的。     

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。     

脱机手写汉字机器识别方法研究

脱机手写汉字机器识别方法的研究是人机接口自然化和智能化进程中的一个重要课题。目前,对于印刷体汉字的识别已取得了满意效果,出现了“读”书的机器,但对于脱机手写汉字的识别,还需要进一步探索和研究。本文就将探讨针对这一难题的各种研究方法。◆ 结构模式识别方法结构模式识别是早期脱机手写汉字识别研究的主要方法。集中在如何准确地抽取基元、轮廓、特征点等能够反映汉字结构信息的特征上。通常,抽取笔画需要进行细化处理,但是细化算法不仅速度慢,且易产生伪笔画段,单纯采用结构模式识别方法已不能满足脱机手写汉字识别系统…     

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%.     

基于深度残差网络的脱机手写汉字识别研究

手写汉字识别是模式识别与机器学习的重要研究方向和应用领域;近年来,随着深度学习理论方法的完善、新技术的层出不穷,深度神经网络在图像识别分类、图像生成等典型应用中取得了突破性的进展,其中,深度残差网络作为最新的研究成果,已成功应用于手写数字识别、图片识别分类等多个领域;将研究深度残差网络在脱机孤立手写汉字识别中的应用方法,通过改进残差学习模块的单元结构,优化深度残差网络性能,同时通过对训练集的预处理,从数据层面实现训练生成模型性能的提升,最后设计实验,验证深度残差网络、End-to-End模式在脱机手写汉字识别中的可行性,分析、总结存在的问题及今后的研究方向。     

一种改进的脱机手写汉字四角特征粗分类方法

将粗分类应用于脱机手写汉字识别中,采用这种多层次分类策略,能有效地改善识别的性能,提高识别精度。本文提出了一种利用四角区域结构特征对手写汉字进行粗分类的方法。在对汉字基本笔画进行分析的基础之上,根据手写汉字形变的特点以及识别算法的要求,定义一组新的笔画单元,并将这些笔画单元与汉字特定区域内的结构进行比对,得到一组4位结构特征编码,以此作为脱机手写汉字粗分类的依据。对GB2312一级字库中的部分手写汉字进行采样和识别实验,结果证明改进的四角结构特征用于粗分类的有效性。     

深度学习在手写汉字识别中的应用综述

手写汉字识别（Handwritten Chinese character recognition,HCCR）是模式识别的一个重要研究领域,最近几十年来得到了广泛的研究与关注,随着深度学习新技术的出现,近年来基于深度学习的手写汉字识别在方法和性能上得到了突破性的进展.本文综述了深度学习在手写汉字识别领域的研究进展及具体应用.首先介绍了手写汉字识别的研究背景与现状.其次简要概述了深度学习的几种典型结构模型并介绍了一些主流的开源工具,在此基础上详细综述了基于深度学习的联机和脱机手写汉字识别的方法,阐述了相关方法的原理、技术细节、性能指标等现状情况,最后进行了分析与总结,指出了手写汉字识别领域仍需要解决的问题及未来的研究方向.     

脱机手写汉字中叉点精细化的改进算法

提出了一种新的脱机手写汉字中叉点精细化的改进算法。它主要是在提取了手写汉字骨架之后，用Rutoviz相交数得到特征点。在此基础上进行叉点精细化的算法。该改进算法以最大圆规则为基础，结合实验中发现的问题，增加了新的规则，使叉点结合的错误率几乎为零。从而进一步提高了脱机手写汉字识别的正确率。     

汉字识别技术的最新进展——清华文通THOCR-97综合集成汉字识别系统研制成功

清华大学电子工程系在八六三计划和国家自然科学基金委员的长期支持下,在过去印刷汉识别研究成果的基础上,研制成功了清华文通THOCR-97综合集成汉字识别系统,今年三月二十二日由国家教委主持,由陈力为院士、戴汝为院士、杨芙清院士和王越院士等知名专家组成的鉴定委员会通过了国家鉴定。鉴定委员会一致认为:“THOCR-97综合集成汉字识别系统是国内外首次推出的能同时识别多文种(汉、日、英)印刷文本。联机手写汉字、脱机手写汉字文本和手写数字的集成文字识别系统,为汉字自然和快速地输入计算机给出了一个解决的方案,是一个有意义的创举。上述多文种OCR以及联机和脱机手写汉字、数字识别的集成系统,作为一个整个居于国际领先水平。综合集成汉字识别系统的研制成功是汉字识别研究发展的新阶段     

基于贝叶斯网络的脱机手写体汉字智能识别

针对汉字识别的超多类问题,将贝叶斯网络分类器引入小样本字符集脱机手写体汉字识别中．对手写大写数字汉字的小样本字符集构造识别系统,同时与传统的欧氏距离方法进行比较,实验表明该算法将识别率提高到92．4％,在小样本字符集脱机手写体识别中具有较强的实用性和良好的扩展性．     

中文电子签名的认证方法研究

中文电子签名的认证方法研究可归属于特定人脱机手写汉字识别研究的范畴。介绍了手写汉字识别(中文电子签名认证)的一般原理、常用方法和当前的研究热点，并对中文电子签名认证方法的研究方向作了一些探讨。     

科研成果的产品化将全面解决汉字计算机自动输入问题

80年代初，中国科学院自动化所在中国科学院院士、研究员戴汝为的主持下成立了课题组，开展模式识别与文字识别方面的研究工作。并在句法模式识别研究工作方面取得了具有国内外高水平的成果。他把以往的统计模式识别与句法模式识别取长补短统一起来，这些独创性的见解和方法更符合于人的思维实际，从而推动了模式识别研究工作的发展。这不仅具有重要的科学意义，且对于图象处理与识别、汉字信息处理等实际应用具有指导意义。80年代中期开始，从事“联机手写汉字识别系统”、“脱机手写汉字识别系统”和“印刷体汉字识别系统的理论、方法研究…     

用Visual C++构造用于手写汉字识别的模拟系统

手写汉字识别是模式识别领域极具应用前景的研究课题之一。本文介绍了用Visual C^ 6.0构造用于研究手写汉字识别的模拟系统，用软件方式实现手写输入。该系统使用方便，使用者可以将精力集中在手写汉字特征提取、识别速度和识别率等方面。     

SVM多值分类器在脱机手写体相似汉字识别中的应用

相似字的普遍存在是影响脱机手写体汉字识别率低的主要原因之一。论文研究了支持向量机(SVM)多值分类器在手写相似汉字识别中的应用,所提出的方法采用了小波弹性网格技术提取汉字的特征,通过实验比较了三种不同的SVM分类器组合策略的分类效果。     

基于PCA的脱机手写汉字的统计模型及其应用

本文通过分析传统汉字的结构模型所具有的优缺点,提出了建立脱机手写汉字统计模型的理论框架;并利用PCA技术发现大量数据规律性的能力,提出了一种基于PCA技术的脱机手写汉字的统计模型.与传统的结构模型相比,该模型避免了目前还无法解决的准确抽取结构基元的困难,通过以容易抽取的可重构的统计特征作为统计基元,并通过对统计基元变化的整体描述或者说对统计基元相互之间关系的描述,较好地建立了脱机手写汉字的统计模型.根据该模型得到的一些实验结果充分说明了其描述脱机手写汉字的有效性.     

一种利用逻辑回归模型的候选字可信度估计方法

汉字识别中,候选字可信度是对识别结果正确性的一种量化估计.从统计学的角度出发,提出一种利用逻辑回归模型LRM的候选字可信度估计方法.首先介绍LRM的基本原理;然后分别给出LRM估计首选字可信度及非首选字可信度的方法;最后给出候选字可信度在识别率估计和识别后处理中的应用实例.脱机手写汉字识别中的实验结果表明了LRM估计候选字可信度的有效性.     

北京中自汉王科技公司简介

公司成立于1993年2月，北京中自汉王科技公司及原北京中自智能系统公司，其前身是中国科学院自动化所文字识别实验室。从1984年起就从事联机手写体汉字识别研究，并于1986年成功地开发了一个实用的联机手写体汉字识别系统，1988年获得国家发明专利。并获得1992年度中国科学院自然科学一等奖。1995年5月又完成了日文、韩文手写作识别软件。并获得一系列奖。1．1988年：“联机手写汉字输入设备”获北京市优秀软件一等奖。2．1990年：“联机手写汉字输入系统”获全军科技成果二等奖。3．1991年：“脱机手写汉字识别系统”获863全国汉字识别评比…     

小类别数手写汉字建模

在手写汉字识别的研究中,鲜有研究者提出建立手写汉字的数学模型,本文在这方面作了一些探讨。建模的目的通常有两个:一是手写汉字的表示或描述,二是手写汉字的识别。本文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。实验表明,该模型用于识别,效果良好。