基于多群体遗传算法的汉字识别系统设计

文章设计了一种基于粗糙集理论的手写体汉字识别决策系统,依据并行遗传算法在处理大型数据库上的特有优势,将信息熵理论作为粗糙集不确定性的度量,给出一种约简冗余条件属性求解决策信息系统约简集的多群体并行遗传算法;并提出了一种基于规则置信度的手写体汉字识别规则融合算法,提高识别准确率,对SCUT_IRAC手写体汉字库中手写体汉字进行识别实验,结果证明,该系统具有较强的手写体汉字识别能力。     

手写体汉字特征提取的研究

在手写体汉字识别的研究中，汉字的特征提取可以说是整个手写体汉字识别系统中最重要的一部分。本文针对手写体汉字特点，找到了能充分反应手写体汉字特点的三种特征井加以提取；同时提出了将汉字分解为部件来识别的观点。实验结果表明所提取的特征兼顾了提取方法的方便性和特征的稳定性；这些特征能有效地识别手写体汉字。     

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。     

仿反馈机制的智能识别方法研究与应用

文章针对脱机手写体汉字特征约简与识别中离散化不当的问题,构建出基于实域粗糙集的脱机手写体汉字识别决策信息系统。提出了实域粗糙集中特征属性的广义重要度的概念以及空间中的广义近邻关系;设计了在广义近邻关系下基于实域粗糙集模型的特征属性约简算法,构建出基于实域粗糙集的脱机手写体汉字识别决策信息系统;采用基于变粒度仿反馈机制的智能认知模型对脱机手写体汉字识别决策信息系统进行仿反馈识别,并建立了变粒度仿反馈机制智能识别方法的评价指标体系和认知信息粒度变换规则,提出基于变粒度仿反馈机制的智能认知算法。对SCUT-IRAC HCCLIB样本库中的汉字进行了仿真实验研究,平均识别精度达到95.37%。仿真实验表明,相比于传统认知系统单向开环方式,该文提出的方法对提升脱机手写体汉字的识别效率、可识别性及正确识别率是有效可行的。     

联机手写体汉字识别

本文在概述手写体汉字识别的最新动态后,着重介绍了联机手写体汉字识别的方法和应用。     

基于多特征多分类器的脱机手写汉字识别研究

特征选取和分类器设计是字符识别系统设计的.本文针对手写体汉字识别提出了依据不同的分类要求,分别选取不同的汉字特征,而后输入BP神经网络多分类器进行识别的设计方法.实验结果表明,该方法用于手写体汉字识别是行之有效的.     

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。     

一种实用手写体汉字归一化方法

在手写体汉字识别或者笔迹辨伪的过程中,一般需要用到文字的归一化处理过程,相对于印刷字体构成的书写样本,手写体存在较多的汉字交错和粘连的情况.根据汉字粘连的情况不同,进行手写体汉字的归一化困难程度也不同.为此,阐述一种实用手写体汉字归一化方法.     

手写体汉字识别中基于笔段的松驰匹配算法

在汉字识别中，基于线性变换的识别模型往往会失效，用轮廓线段来进行松驰匹配．当手写体汉字曲折笔划较多时也很难提取稳定的轮廓特征，而且轮廓提取受笔划写书粗细的影响较大。本文用相容匹配算法来提取汉字的笔段特征，用模板匹配识别出手写体汉字样本。文中给出一个１００个汉字的识别结果．     

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。     

有限集手写体汉字特是取及分类器设计

介绍了手写体汉字特征提取的基本概念，采用了一种叠合网络加权笔画提取方法用于提取有限集汉字特征。通过对径向基函数网络（RBF网络）的模型分析，提出了一种组合RBF网络分类器应用于有限集手写体汉字识别，并利用结合遗传算法和模拟退火算法的混合优化策略进行RBF分类器的训练。     

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。     

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。     

一种基于复合特征的脱机手写体字符识别方法

针对脱机手写体字符识别问题,分别采用主元分析PCA方法和小波变换方法对字符的整体特征和局部特征进行提取,形成向量表示,综合两部分的特征向量形成复合特征向量,利用SVM进行分类识别。该方法在汉字手写体字符集上进行实验,取得了很好的识别准确率。     

基于图像形态学的汉字细化算法

在手写体汉字识别及特征提取过程中，汉字的快速细化是一个很重要的过程．采用并行算法，利用图像形态变换可以很方便地实现这个目标。本文描述了利用图像形态变换和形态细变换，实现手写体汉字较好细化的结果．     

基于组合分类器的联机手写汉字识别

提出一种基于二级组合分类器的汉字手写体识别方法,首先提取汉字的整字特征和笔划特征;进行单字识别的过程中,GA-BP笔划分类器起着对汉字识别的主导作用,当写入汉字出现连笔、字形变化导致系统产生拒识情况时,采用隐马尔可夫整字分类器作为辅助去提高整体的识别率.     

用并行遗传算法实现手写字符样本库的压缩

手写体汉字离线识别系统实际应用的关键问题之一是如何维护一个既有足够代表性又不至于过于庞大的汉字字库．本提出了用并行遗传算法有效地从庞大的不同风格手写体汉字全集中选择出样本字，构建识别意义上最优的压缩样本字库的方法．采用ETL882字库和献[1]中的识别算法所做的实验，证明了这一方法的有效性．     

处理ETL-8手写体汉字数据库的实验研究

本文报告了,为适应汉字识别的“包含配选法”的实验要求,对日本电综研ETL—8手写体教育汉字数据库所进行的信息处理过程。这些处理包括:二值化编码,去除文字外围噪声,大小与位置归一化……在上机实验中比较了不同的处理方法,并由实验获得了“包含配选法”要求的手写体汉写数据库。     

基于特征图叠加的脱机手写体汉字识别

采用深度学习方法处理脱机手写体汉字识别问题,提出一种改进的卷积神经网络结构.不同于传统的层与层依次连接的方式,新的结构中将当前层与前一层的特征图进行叠加后共同作为输入进入下一层.与以往结构相比,该卷积神经网络结构缓解了梯度消失的问题,减少了参数数量,且更有效地保留了汉字的细微结构特征.在ICDAR-2013脱机手写体汉字识别竞赛测试集上的实验结果表明,该结构可以在减少模型参数的情况下得到较高的识别准确率.     

一种手写体汉字的非线性规范化方法

手写体汉字变形问题是无约束手写体汉字识别的关键问题。规范化处理的目的是对字符图像点阵进行变换,矫正手写体汉字变形,减小同类字符之间的差异。文章提出了一种非线性规范化方法,它一方面调整了汉字的笔划分布,使笔划的分布密度趋于均匀;另一方面又调整了笔划的粗细,使笔划的宽度趋于一致。实验显示,用文章提出的方法产生的同类字符点阵的离散度小于用已有的几种非线性规范化方法产生的同类字符点阵的离散度,表阴提出的非线性规范化方法,较之已有的几种非线性规范化方法更有效地减小了同类字符之间的差异。