基于级连分组BP网络的高精度手写数字识别

本文提出了一种基于级连分组网的手写数字识别的新方法。这种方法根据将每次分类任务简单化的思想,将每个网络的任务简化以提高其辨别能力。整个系统分为两级,第一级进行粗分类,选取前两个后选字。第二级对两个后选字进行细分类。每个细分类网络完成区分两类特定模式的任务,由于每个子网络分类数目的减少导致识别精度的提高。使用我们自己构造的含10万个字符的库进行测试,我们的系统达到了在拒识为5%以内时误识为0.067%。     

中文手写文稿的二值化与行列切分

灰度图象的二值化与行列切分是预处理中的重要环节,对识别系统有很大的影响。针对带有框线的文稿图象,本文提出了双重阈值法的二值化方法,有效地去除了框线。在字符分割部分。本文提出了先三行后单行列切分的方法,准确地提取了字符。     

邮政编码自动识别系统的研制

本文从实际应用出发, 在对预处理中存在的问题进行分析解决的基础上, 开发了一套基于神经网络和锯法结构相结合的邮政编码自动识别系统。本系统软件采用C语言编写在486微机上实现。在对13970个扫描数据测试中, 其识别率为98.43%, 产生的误识率为0.136%, 拒识率为1.43%。     

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。     

手写文稿识别的一种后处理方法和系统集成

本文提出了一种词间匹配的后处理方法,利用汉语上下文中词和词之间有一定的联系来对识别结果进行纠错,并综合词匹配、词间匹配和Markov语言模型使各环节之间形成反馈,相互补偿,形成一个较好的组合,以此来提高后处理部分的纠错能力以及稳定性。     

动态兼容线性分类法识别印刷体汉字

本文针对目前汉字识别中两个关键问题——特征的选择和识别方法进行了较深入的研究。提出了利用动态兼容线性分类法实现一个印刷体汉字识别实验系统。在分类中,采用了质量等十一种特征。其中四象限投影脉冲恃征,八象限特征,十六象限0—1特征和四方向微分特征是本文提出和修正改进的。本文还提出了动态兼容线性分类法和识别字典自动完善的方法。利用上述方法在微机上构成了一个实验识别系统。对3000个加有随机噪声的标准汉字进行了识别,经过训练后识别率可达98.5％,识别速度平均每字0.4秒,收到较好效果。     

关于有限状态文法推断的实用算法

针对目前句法结构模式识别中的一个难题——文法推断进行较深入研究.分析了有限状态文法推断的一些方法.给出有限状态文法推断的一个实用算法.此算法对一般字符串文法都能适用.     

染色体自动识别的预处理研究

染色体自动识别是国内外关注的课题。本文重点提出了染色体自动识别的预处理的方法。本方法是把64×64,32灰度级的染色体的编码图象,输入 FELIX C-512计算机进行分割后,作出直方图并进行滤波,使直方图平滑,利用程序找出最佳阈值,以确定染色体的几何图形。经 I 值化的染色体图象,首先进行平滑处理,将孤立点和凹凸点去掉,以提高图象质量。