一种脱机手写体汉字识别的容错编码方法研究

手写体汉字识别是字符识别领域中的难点。为了使机器识别汉字适应于手写体汉字的变形等因素,基于人类认识汉字的容错机理,提出了一种用于机器识字的汉字容错编码方法,以提高手写体汉字识别率。该编码方法首先对横竖撇捺笔划形态给出了模糊化表示;然后定义了仿人拆字的字元集,并给出了易混淆笔划字元的多归类容错编码;接着给出了笔划字元的顺序判断规则和归结了36类简单常用字的部首子结构,并给出冗余的容错编码;进而建立了仿人构字的汉字编码规则和具有容错性的多模板字典,并对《新华字典》中收录的10000余个单字汉字进行了标准编码,重码率为0.48%;最后对HCCORG和NKIM手写体汉字库中的100个手写体汉字进行了仿真识别,识别正确率为96%。试验结果表明,这种编码方法可生成多模板字典,不仅对手写体汉字变形具有较好的容错性,且重码率和误识率较低。     

技术综合集成在模式识别中的应用

本文介绍了采用综合技术集成的方法，解决印刷汉字识别系统误识率太高的重大难题，并通过集成系统的实践，证实了其技术集成优势，由于识别方法的互补效应，不仅提高了识别的正确率，而且使误识率得到大幅度的降低，采用该集成办法研制的系统，经过１００万字的实际文章的测试，系统的识别率超过９８％，误识率小于０．２％，尤其是汉字的误识率小于０．１％。     

基于组合分类器的自由手写体数字识别方法

自由手写体数字识别广泛应用于信息录入和文本识别中。基于组合分类器实现手写数字的识别，克服了单因子识别的局限性，识别中使用距离法和改进的BP神经网络方法，以多种特征向量作为分类器的输入，以举手法则确定识别输出。实验证明，该系统具有较高的识别率和极低的误识率，有令人鼓舞的应用价值。     

几何信息与 SIFT 特征相结合的特定人手写关键词检测

中文汉字类别繁多,书写随意性大,使得中文的手写体关键词检测具有很大的挑战性。提出一种基于文字几何信息和SIFT特征相结合的手写体关键词检测方法,通过计算文本图像特征的匹配度来检测特定书写人的手写关键词。尺度不变特征转换（ scale invariance feature transform,SIFT）局部特征具有良好的稳定性和独特性,既能适应同一书写人手写汉字的差异,又能区分不同书写人的书写笔迹。结合文字的几何信息,通过滑动窗口和最大团查找方法可以有效地删除误匹配点,极大地提高关键词检测的成功率。对大量手写体文本图像的实验结果表明,该方法能够有效检测同一书写人的相同关键词,具有较高的召回率和准确率。     

基于手写体汉字笔画提取重构的识别方法

提出了手写体汉字笔画宽度提取、基于提取出的笔画宽度归一化手写体汉字的方法，给出手写体汉字笔画重构的思想，实现了一种基于手写体汉字笔画提取的汉字重构并最终识别手写体汉字的算法，构建了手写体汉字的识别系统。实验证实，该方法可保证原有笔画特征信息，且能有效地识别手写体汉字。     

基于多Agent系统的脱机手写体汉字识别

由于脱机手写体汉字的多样性和随意性,识别起来具有很大的难度,依靠单一的特征很难实现高准确率的识别．引入多Agent的概念,将多种知识统一于多Agent系统之中,给出了一个面向脱机手写体汉字识别的多Agent类市场模型,提出了一种模糊综合方法和辩论协商规则,实现了一个基于多Agent系统的脱机手写体汉字识别系统．初步测试结果显示出系统的有效性．     

基于笔划宽度提取的手写体汉字归一化方法

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。     

基于笔划宽度提取的手写体汉字归一化方法

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。     

基于基本笔画运笔特征的手写体汉字特定对象笔迹鉴定的研究

本文基于汉字笔迹鉴定的有效特征，结合基本笔画运笔规律，提出了以手写体汉字基本笔画为研究对象，抽取运笔中的骨骼和笔压变化特征，形成各自的特征空间，并采用样本平均法和方差界定阈值的方法，实现笔迹的鉴定。研究选用10位书写者书写的信封，从中抽取4种基本笔画，形成特征数据库。然后采用40封笔迹信件与6000封非书写者书写的真实信件进行鉴定，用识别率和误识率两种参数来检验此方法，实验取得了满意的效果，证实了该研究方法可以完全克服以往笔迹鉴定中结体依存性带来的不足，大大缩小了辞书空间，对推广和完善本研究的实用性具有参考价值。     

切线距离的SVD方法在汉字识别细分问题中的研究

针对手写体汉字字形变化复杂，而传统的欧式距离对汉字形变比较敏感。将基于切线距离的SVD分解选取切线向量方法应用于大字符集脱机手写体汉字识别细分类中，取得了较好的识别结果。实验证明，采用SVD选取切线向量的方法具有较好的通用性和重复性，适合应用于手写体汉字识别。     

一种基于代价敏感学习的故障电弧识别方法

为解决故障电弧识别误判断问题,引入了代价敏感学习理论,为不同的分类错误赋予非均等代价;采集典型负载正常状态和故障电弧状态的电流数据,根据信号的时域和频域特性提取特征向量;应用MetaCost方法训练代价敏感的神经网络,作为故障电弧识别模块.实验结果表明:当代价矩阵取值合理时,代价敏感的神经网络能够有效减少误判断.     

基于UML图依权限有序的Web链接测试用例生成方法

针对传统Web测试用例生成方法因缺少权限性和时序性考虑而产生的误判断问题,提出结合基于统一建模语言(UML)活动图与状态图,根据不同用户权限及交互活动流程分析Web页面链接而生成测试用例的方法。该方法生成含信息元素的扩展状态图,通过对扩展状态图的转换及相应路径的时序重排得到最终具有权限与时序性质的Web链接测试用例。通过实验分析,与缺少权限性和时序性考虑的Web测试用例生成方法相比,该方法有效地避免了测试中的误判断,在测试覆盖率、正确率及测试效率三方面均有明显的优势。实验结果表明,该方法有效地提高了Web测试的测试效率,增强了测试的可靠性与可行性。     

基于扩展Haar特征的AdaBoost人脸检测算法

对于常用的基于Haar特征的AdaBoost人脸检测算法存在漏检率与误检率高等不足, 增加了Haar特征的扩展种类, 这些新增Haar特征能够有效减少因眉毛与眼睛灰度值近似而引起的误判, 同时去除一些针对人脸分辨效果不好的特征来提高算法的实时性, 深入分析了利用Haar特征与AdaBoost算法构成的级联分类器的特点. 实验数据结果验证了改进后算法的可行性.     

基于小波分析的交通流量异常数据检测*

针对交通拥堵成为制约城市经济和社会发展的这一“瓶颈”,从提高交通控制系统性能的角度来解决城市交通拥堵问题。首先采用小波分析,交通流量数据的高频与低频分量分离;其次,求得原始信号与重构信号的差值;最后,结合最小二乘法找出数据中的异常点。通过对实际道路的交通流量进行实验,验证了该方法能准确地检测出交通流量中的异常数据,使误判率和漏判率都得到极大的降低,为实际的交通信号控制系统提供可靠的数据。     

Improved Goldschmidt division method using mapping of divisors

By theoretical calculation and analysis, this paper studies the influence of stochastic fiber dispersion on interference stability and erroneous detected rate of quantum key distribution (QKD) system receiver, and analyses its effects on quantum key generation rates of decoy states QKD. The result shows that the interference contrast and erroneous detected rate of the system will be affected by real part only but not by imaginary part only. However, when the real part exists, the imaginary part will have an effect on the interference contrast and erroneous detected rate.     

基于GRU型循环神经网络的随机域名检测

随机域名是指由随机域名算法生成的域名,被针对计算机网络系统的恶意软件广泛使用,随机域名的检测任务是域名系统过滤攻击流量的基础性工作.传统方法对随机域名的检测效果不理想,精确率与召回率较低,导致过滤攻击流量时会出现较多的误判.本文提出和实现了一种基于GRU型循环神经网络的随机域名检测模型,该模型首先将域名转换成向量,然后借助GRU自动学习域名向量的特征,最后通过神经网络计算分类.相比于传统方法,该模型不再需要人工提取特征的过程,减少了特征提取的时间.且经过算法生成数据与真实场景数据的实验验证,该方法在随机域名检测任务中相比传统模型表现更加出色.     

视觉SLAM 中基于误匹配风险预测的特征选择

针对视觉SLAM（同时定位与建图）问题,提出了一种预测误匹配风险最小化的特征选择方法． 该方法采用预测误匹配风险来衡量新检测到的特征对未来特征匹配过程的影响,然后采用多级排序的方法优先选择误匹配风险小且重现率高的候选特征进行初始化． 该方法能根据系统状态估计不确定度的强弱自适应地选择不易被误匹配的特征,从而保证了SLAM算法的收敛性和一致性．在实际单目视觉SLAM系统上的对比实验表明, 本文方法在降低特征误匹配率和保证SLAM结果的正确性等方面具有明显优势．     

基于人工神经网络的有害信息过滤智能决策系统

有害信息判断问题是有害信息过滤研究当中的一个关键问题，同时也是一个难点问题。在这一问题上目前还没有一个很好的解决疗法，主要决策判断过程仍停留在手工阶段，其效果很不理想。针对这一问题，该文提出了利用人工神经网络解决这一问题的方法，并用软件实现了相应的算法。结果表明，该方法决策迅速，准确率高，具有很高的应用价值。     

Influence of erroneous learning samples on adaptation in on-line handwriting recognition

We have considered problems involved in the self-supervised learning process of an on-line handwriting recognition system. Our system is able to recognize isolated characters by comparing them to prototype characters with a method based on the Dynamic Time Warping algorithm. The recognition system is adapted by adding new prototypes, inactivating confusing or erroneous ones, and reshaping existing prototypes with a method based on the Learning Vector Quantization. We have analyzed the sources of erroneous learning samples and studied the influence of such samples on the performance of the recognizer via simulations. In these simulations, two adaptation strategies combined with four methods for inactivating prototypes were applied. The results of the simulations showed that the adaptation strategies are able to improve the system's recognition rate and the prototype inactivation methods do reduce the harmful effects of erroneous learning samples.     

A robust knowledge-based plant searching strategy

This paper presents a knowledge-based plant information retrieval system that is robust to inaccurate and erroneous user queries. First, a knowledge-based genetic algorithm (GA) corrects the erroneous input vectors before these are fed into a back-propagation neural network (BPNN) that performs the actual query. Experimental results show that the strategy achieves a 75% recall rate and 25% precision rate with a cutoff level of 10 under the misjudgment of shapes. Moreover, a fully trained BPNN dynamically adapts to changes in the environment. Due to its robust and simple user interface and portability, the strategy is particularly applicable to educational settings such as outdoor fieldwork in courses on ecology.