手写印刷体汉字的笔段抽取及偏旁识别

本文采用对汉字点阵图象进行方向变换的方法抽取汉字的笔段, 采用结构分析的方法识别分布于汉字四周的偏旁, 对国标一级汉字中的99类偏旁计一万余字进行了偏旁抽取试验, 当侯选偏旁数<5时, 累计正确侯补率>96%。     

结合距离分类器的神经网络手写体汉字识别

手写体汉字识别技术中如何解决复杂的大类别识别问题,是汉字识别中的一个难点。该文介绍了基于笔划的手写体汉字特征抽取方法,提出了一种基于预分类的神经网络汉字识别方法,该方法用一个传统的距离分类器先对汉字进行预分类,神经网络根据预分类结果进行有选择的训练和识别,能有效解决神经网络大类别模式识别中的训练和分类问题,学习时间很短,识别效果较理想。     

手写体汉字扇形弹性网格特征提取的新方法

近年来，网格方向特征已广泛应用于许多手写体汉字识别系统中，并认为是目前较成熟的手写体汉字特征之一，网格技术和方向分解是网格方向特征的两个关键技术，该文提出了一种新的网格技术一扇形网格法，结合边缘方向分解技术^[1]，构造了一种新的手写体汉字特征提取方法一扇形网格边缘方向分解特征，实验结果验证了本方法的有效效。     

基于模糊方向特征的手写体汉字识别

方向特征在手写体汉字识别中得到了广泛应用[1,2].本文引入模糊数学的思想,提出了模糊方向特征.汉字的模糊方向特征的提取过程包括:(1)确定模糊网络;(2)抽取边缘点"横、竖、撇、捺"模糊方向属性特征;(3)合成模糊网络和边缘点模糊方向属性特征,生成汉字字符的模糊方向特征我们应用模糊方向特征,实现了一个脱机非限制手写体汉字识别系统,对含有7 600(19类)个汉字的测试集测试,取得了较好的识别效果.这表明,本文提出的模糊方向特征对手写体汉字的识别是有效的.     

联机手写体汉字联想识别系统

本文提出一种联机手写体汉字联想识别系统.在单字识别的基础上,有分词信息的前提下,利用汉语词的前后约束及字的特征信息对识别结果进行后处理.从而提高了联机识别系统的识别率.     

基于神经网络的手写体汉字识别实验系统

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。     

基于模型的笔划抽取和匹配的手写体汉字识别方法

本文提出了一种基于模型结构匹配的手写汉字识别方法（HCCR）。这种方法可以得到可靠的笔划对应信息及结构解释。在这个模型中，每个类别的标准字符用属性形状描述，输入字符用特征点及线段描述，字符笔划与输入笔划间的关系直到被一个标准字符匹配后才能确定，这个结构的匹配分两个阶段：修选字符的提取和一致性匹配，所有匹配的修选字符先通过跟踪提取然后通过启发式搜索进行一致性匹配，同时一些结构的后处理操作应用于改善笔划对比的识别中，识别实验是在一个称为“KAIST”的字符数据库中进行的，并给出了结果。     

手写体汉字识别的超综合方法

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。     

手写体汉字特征分析

本文采用结构方法研究汉字手写体识别。通过对手写体汉字结构特征和书写特点的研究，我们发现，以直划和折划来表征笔划特征，以相交字元和基本字元来表征汉字结构特征，大大降低了结构方法中决策判断串行的程度。     

一种模糊识别手写体汉字技术

汉字手写体识别是模式识别和人工智能的重要分支，汉字数量庞大，书写灵活，计算机识别相当困难。该文基于模糊概念，并引入几个指示向量，提出一个新颖的汉字手写体模糊识别技术，实验证实效果显著。     

手写体汉字变形规律的机器发现

手写汉字的不规整是手写汉字的一个主要特点，也是影响识别率的一个重要因素。利用机器发现的方法，从大量手写体汉字样本中寻求手写汉字变形的一般规律，并将变形规律应用手汉字识别的过程之中，可以大大提高分类的准确性，并可以压缩样本字典的容量，提高匹配速度。     

联机手写体汉字识别后处理技术的研究

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％     

脱机手写体汉字识别综述

脱机手写体汉字识别是模式识别领域中的难题之一。该文分析影响脱机手写体汉字识别性能的主要方面,如规范化方法、特征提取方法及分类方法,给出了每种方法的适用条件,介绍了目前研究中所使用的数据库。     

一种手写体汉字特征提取新方法—小波变换及弹性网络技术的应用

利用小波分析方法将汉字图象分解为横、撇、竖、捺４个方向的分量，然后结合弹性网络技术，提出了进行了手写体汉字特征提取的一种新方法，实验结果显示此方法是行之有效的。     

基于细识别的脱机手写体汉字识别的集成

目前脱机手写体汉字识别技术的细识别采用的方法有很多,如重心模糊网格法,势场特征撮法等,但第一一种方法都有不足之处,不能达到很的效果,该文提出了一种不细化担取笔划元法及综合３种识别方法的集成方案,使识别率有了很大的提高。     

手写体汉字识别系统

本文对手写体汉字提出首尾笔划特征表示法,并以此为编码信息;加上以各字形的二维DFT为该字形的总体外形特征,由此构成手写体汉字数据库. 在识别过程中,针对手写体的模糊特点,引入程度函数和不精确推理结构及其相应的算法.     

脱机手写体汉字识别技术研究的回顾与展望

在简要介绍系统构成的基础上，重点阐述了手写汉字切分、特征选择与提取、分类器设计及后处理，并探讨了今后的主要研究路线。