汉字识别技术中手写汉字书写变形规律的研究

现有手写汉字识别技术在工整书写字体识别上已达到实用化要求,但对于难度很大的自由手写体还不能较好地予以支持,这方面的研究基础上还是一片空白,文中试图显化表达汉字书写时发生变形的内在规律,相应地将汉字识别过程转化为判断输入模式是否为给定参考模式的合法书写变形的计算过程。     

脱机手写体汉字识别的支持向量机方法研究

提出一种采用二叉树粗分类与SVM细分类结合的分类识别方法,充分发挥SVM在二类分类问题方面相对于单一SVM方法的优势 .实验结果表明提出的识别方法在解决复杂多分类脱机手写体汉字分类识别问题上有效的提高了分类精度和速度.     

基于Bagging的手写体数字识别系统

Bagging是一种用来提高学习算法准确度的方法,通过构造一系列预测函数并将其结果按投票规则进行合成,就可以将一个弱学习算法提升为强学习算法。本文针对UK测试量表中的手写体数字,设计并实现了一个以神经网络为弱分类器的、基于Bagging的手写体数字识别系统。与单个神经网络分类器相比,Bagging后的系统显示了更加优良的性能。     

SVM在小字符集手写体汉字识别中的应用研究

本文将支持向量机(SVM)引入到小字符集脱机手写体汉字识别中。文章首先介绍了SVM的基本原理和主要算法,然后在实验中采用了LibSVM训练软件,针对银行票据手写汉字的小字符集进行了仿真,同时与欧氏距离分类方法进行了比较。实验结果表明此方法的汉字识别率较高,在小字符集手写体识别中具有较强的实用性。     

几种手写体汉字网格方向特征提取法的比较研究*

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。方向特征提取方法有许多种并各有优劣。对几种方向特征提取方法进行了比较研究,对其中一些方法进行了改进,并将我们提出的局部网格的划分方法应用到这几种方向分解特征的提取上,取得了较好的识别效果。     

一种基于局部Gabor滤波器组的手写体汉字识别方法

针对单一尺度的Gabor滤波器组只对某一特定粗细的手写体汉字敏感的缺点，提出了一种新颖的多尺度局部Gabor滤波器组。为了评估该方法的识别性能，提出了一个基于Gabor特征的手写体汉字识别系统，实验表明多尺度全局Gabor滤波器组在识别性能上明显提高，局部Gabor滤波器组在基本保持识别性能的情况下，特征维数明显降低，计算量和内存需求减少。该方法的创新之处在于选取局部Gabor滤波器，对863 HCL2000手写体汉字数据库的识别，最高平均识别率达到了92.32%，表明了该方法在手写体汉字识别中的有效性。     

一种改进的BP神经网络手写体数字识别方法

本文介绍了利用BP神经网络来识别手写体数字的原理,分析了传统BP算法收敛速度较慢的原因,提出了一种提高网络收敛速度的改进算法。实验数据表明,该改进算法比传统的算法在网络收敛速度上提高了九倍左右。