手写体汉字集成识别技术的研究

手写体汉字的计算机自动识别是一个高难度的模式识别问题,用单一识别方法难以达到理想的识别率。本首先分析了汉字识别方法的基本特点以及字符集成识别技术中存在的问题,然后结合认知科学 的研究成果,提出了手写体汉字层次集成识别的思想。     

基于形态学与神经网络相结合的手写体汉字识别实验系统

本文利用形态参量和神经网络相结合的方法来研究手写汉字识别。设计了一个具有学习功能的手写汉字识别实验系统，对一级汉字进行实验，给出了识别的实验结果；平均正确识别率为８６％‘并指出了存在的问题和改进的方法。     

限制性手写体汉字识别中的笔划跟踪及特征抽取

在对计算机的汉字识别方法讨论分析之后,本文以汉字的结构特征为基础,提出了一个新的笔划跟踪搜索方法,用来解决手写体汉字的识别问铱,在该方案中采取了速度快、质量好的平滑细化等预处理方法。在特征抽取中采用了定向记忆跟踪和笔划拼接二种方法,从而解决了在笔划抽取中,特别是在笔划经过细化处理后,不可避免地带来某种程度的笔划畸变的情况下,如何正确地抽取笔划特征,找到了一个较完善的处理方法。经过大量的计算机实验,证明该方法切实可行。且已使正确识别率提高到95％以上,误认率低于5％,识别速度小于2秒。     

手写体汉字机器识别技术的现状分析

手写体汉字机器识别技术的研究不仅具有重要的理论研究价值,而且具有广阔的应用前景。本介绍了手写体汉字识别技术的原理,研究历史及技术困难,综合分析了当前国内外主要识别方法及其特点,展望了该技术今后的发展方向。     

基于翰经神经网络的手写体汉字识别

本文提出了基于进化神经网络进行手写体汉字识别的新算法,讨论了BP网络的构造及用遗传算法优化神经网络的权值问题,通过仿真验证了该算法是有效的。     

用于手写体汉字识别的汉字结构模型

针对手写体汉字识别问题，选取笔段和笔划作为基元，分析手写体汉字的组成规律和变形规律，提出了两种汉字结构模型：笔段中心点模型和笔划关系矩阵模型，以及基于模型的分类依据和识别方法．根据所提出的模型，采用两级分类方案构造汉字识别系统，粗分类采用笔段中心点法，细分类采用笔划关系矩阵法．实验表明模型是有效可行的．     

基于笔划合并的手写体信函地址汉字切分识别

为了自动地处理存在着大量的笔划交叉与粘连的实际信函地址行,采用了一种基于笔划提取合并的手写体汉字切分识别方法.对于从实际信函中提取出的单行地址文本图像,首先提取出字符的横、竖、撇、捺等笔划,再根据一定的准则将笔划合并成字根,最终应用与地址解释相结合的动态规划算法得到最终的切分结果,获得投递区域.用从邮政分拣机上获得的443个信函地址行二值图像样本进行测试,省市一级和市县一级投递地址的正确识别率已经达到了66%.     

基于笔划方向特征和非对称分布的手写体汉字识别

基于笔划方向特征和非对称分布的手写体汉字识别模型,提出一种从手写体汉字骨骼图像上提取分叉点的有效改进算法,保证笔划提取的可靠性,并直接从笔划结构上计算统计识别特征矢量;采用主向量空间的非对称参数分布模型计算距离测度．实验表明,基于笔划方向特征和非对称分布的统计识别模型具有优良的识别性能．     

基于子笔划的手写体汉字识别

该文给出一种汉字子笔划的提取方法 ,较好地解决了因子笔划相交 ,使提取的同类字符子笔划不稳定问题。引入了字符的固定部件划分方法及特征矩阵的概念。字符部件中包含各类子笔划的位置、长度等信息 ,特征矩阵是这些信息的集中体现。设计了一种新的遗传算法 ,由未知字符一个部件的一类子笔划表示的字符与某类模型的相似度 ,既由与其它 3类子笔划相应的相似度调节 ,又由与周围部件同类子笔划相应的相似度调节。实验表明 ,该手写体汉字识别方法是有效的     

基于模糊线素特征与神经网络相结合手写体汉字识别

本提出了一种基于模糊方向线索特征（ｆｕｚｚｙｄｉｒｅｃｔｉｏｎａｌｌｉｎｅｅｌｅｍｅｎｔｆｅａｔｕｒｅ,ＦＤＬＥＦ）与人工神经网络（ａｒｔｉｆｉｃｉａｌｎｅｕｒａｌｎｅｔｗｏｒｋｓ,ＡＮＮ）相结合的手写体汉字识别方法（ＦＤＬＥＦ－ＡＮＮ）,解决了单一ＦＤＬＥＦ方法对相似字识别率低的问题。     

联机手写体汉字识别方法的研究

提出了一种基于笔划的一级分类,笔划特征二 级分类的新方法来实现联机手写体汉字的识别。     

改进的决策树算法在手写体汉字识别中的应用

介绍脱机手写体汉字识别的基本流程,以传统决策树ID3模型为基础,对决策属性挑选策略进行改进.该方法基于信息增益的计算标准,通过引入属性间相关性关系对传统ID3算法“多值偏向性”的缺陷进行补偿,提出节点协调度的预剪枝策略.从分类精确度方面对改进的ID3算法和传统D3算法进行比较和分析.将改进的ID3算法应用于手写体汉字识...     

RBF-DDA 神经网络用于手写体汉字识别的研究

使用了一种新的神经网络模型———动态衰减调节径向基函数（ＲＢＦＤＤＡ），并结合一种新的特征提取方法来进行手写体汉字识别的研究，通过对１００种汉字、１５０００个样本的初步实验，取得了识别率为９９％的良好结果，表明将ＲＢＦＤＤＡ引入到手写体汉字识别的研究是比较成功和可行的。     

基于变精度粗糙集的脱机手写体汉字识别

文章为研究脱机手写体汉字识别问题,将汉字样本及其特征向量看作是一个信息系统,采用基于β近似依赖度的属性重要度定义作为启发式信息,设计出在变精度粗糙集模型下的特征属性近似约简算法,对手写体汉字信息系统中冗余特征属性进行约简,构建出脱机手写体汉字识别决策信息系统。识别过程中采用基于加权规则置信度的规则融合方法,进一步提高了脱机手写体汉字的可识别性和正确识别率。实验结果表明,该方法是有效可行的。     

识别限制性手写汉字的结构分析方法

本文提出一种对限制性手写汉字的结构识别方法。在对汉字的笔画构成以及笔画之间的相互关系进行分析的基础上,采用链码来描述汉字的结构特点。通过回溯策略的运用,使得笔画抽取中的一些错误可以得到自动的纠正。在实验中,该方法对500字种的常用汉字取得了较好的识别结果。     

免细化过程的脱机手写体汉字的动态信息提取

本文提出了一种无需细化过程的脱机手写体汉字字符的识别方法,并且提出了从脱机手写体汉字中识别动态信息的方法,从而将脱机汉字字符识别问题转变为联机识别问题。     

手写体信函地址汉字切分

目前多数汉字识别系统仍基于单个汉字的逐个识别,因此对字符进行有效的切分,是离线汉字识别的一项重要工作,根据汉字手段写体的特点,在方差最小原理基础下,提出多步切分算法（粗分－细分－合并）和穿越算法,首先根据字段间间隔,用最小距离聚类的方法,得到5组粗分结果,从中选出最接近理想的一种,用改变类间距离和穿越算法,对较宽的字段进行细分,最后将过细的分割部件合并成一个完整的字,对现场采集的3000封信函进行切分,单字正确率可达90．8％。     

BP神经网络算法的改进及其在手写体汉字识别中的应用

分析BP算法的基本原理,指出BP算法具有收敛速度慢、易陷入局部极小点等缺陷以及这些缺陷产生的根源.针对这些缺陷,通过在标准BP算法中引入变步长法、加动量项法等几种方法来优化BP算法.应用实例利用MATLAB软件对标准BP算法及其改进的算法进行语言编程、仿真.实验结果表明,这些方法有效地提高了BP算法的收敛性,避免陷入局部最小点.同时,将改进的BP神经网络算法应用于脱机手写体汉字识别系统的实现,实验表明系统较好地回避了汉字结构复杂、变形难以预测等问题,提高了识别率.     

一种新的手写体汉字笔划提取方法

提出一种新的汉字结构特征提取方法．利用二维小波变换对汉字图像进行分析和处理,分别在其高频子图像中提取汉字的横、竖、撇和捺信息,使结构特征的提取比用其它方法更简单、明晰．     

基于改进的支持向量机的手写体汉字识别

逐次超松弛迭代法算法是一种具体的SVM算法,在SOR算法中松弛因子采取固定数值时,在许多情况下收敛速度较慢。文中提出通过引入具有＂先验知识＂的神经网络,对逐次超松弛迭代法中的松弛因子进行控制,以提高逐次超松弛迭代法的收敛速度。实验结果表明,该模型实现的逐次超松弛迭代法能够提高其收敛速度。在手写体汉字的识别实验中,该改进算法可以减少支持向量机的训练时间。