四值逻辑代数及触发器

本文讨论了四值逻辑代数和T运算,指出四值模代数运算不是完备系。文中给出了四值D,T,JK以及全功能触发器的逻辑设计及性能。     

一种改进的四值逻辑函数的图形化简法

针对用图形化简多变量的多值逻辑函数时遇到的困难，提出了三维Ｋ图的概念，利用三维Ｋ图，并采用适当的排列方式和规则，可对三、四变量的四值逻辑函数进行简便，直观的化简。     

对四值逻辑图形化简法的研究

在文献［１,２］的基础上,讨论了四值逻辑的代数化简方法．根据二值逻辑卡诺图的构成特点,提出四值逻辑函数的Ｋ图及图形化简方法,详细地探讨了Ｋ图的构成特点,并指出了尚待研究和探讨的问题．     

应用四值逻辑技术异步计数器的分析和设计

应用四值逻辑技术讨论异步计数器的分析和设计,给出异步计数器分析和设计的一种方法。这种方法也适用于同步计数器的分析和设计。从给出的实例可以看出,这种分析和设计方法是有效而易行的。     

正交四值函数

利用多值逻辑和正交函数理论，提出一种新的正交函数－正交四值函数，并作了严格的定义及前８个正交四值函数的图形，指出这种函数可以展开成四值函数级数，且按最小均 方逼近误差理论，得到了当它展开成级数时的系数Ｃｊ。     

用四值逻辑描述触发器功能

从四值逻辑变量的基本定义出发,推出了触发器的转换方程和激励方程.利用四值逻辑描述触发器的状态转换行为,生动地反映了电路的动态特性.为时序逻辑网络的分析和设计提供了数学手段,使之更适用于计算机辅助分析.     

一种用边界细化汉字的方法

汉字骨架是汉字的一种重要几何特征,如何对汉字进行细化,是对汉字进行识别的前提。在此提出了一种新的细化汉字方法,它是通过笔划的边缘求出其中心,以笔划中心作为细化结果。实验证明该方法具有较好的细化结果。     

计算机汉字识别和静态手写汉字签名鉴定技术综述

经过训练、高质量的摹仿手写汉字签名给文件检验工作者提出了挑战,使传统的特征比对方法显得力不从心,据此本文提出采用计算机进行精确、快速的静态手写汉字签名鉴定。对于静态手写汉字签名鉴定,如何选择良好的特征和对选择的特征进行描述,使描述后的特征具有相对的稳定性,特征描述模型很好地反映书写者的生物特征而不是汉字本身的内容,是计算机静态手写汉字签名鉴定问题首先要解决的问题。     

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     

汉字识别中图特征提取方法

为解决图像像素表示汉字特征方法不能有效表示汉字本质特征、空间复杂度较高的问题,提出了一种汉字图特征提取方法。方法主要包含汉字图像二值化,汉字图像骨架提取,汉字图特征提取3个部分;二值化消除图像中的噪声,提高图特征提取的准确度;骨架提取保留图像中重要的像素点,剔除无关的像素点;图特征提取将汉字关键点与图数据结构结合来表示汉字形状特征。在3 908个常用汉字的5种字体上进行实验。结果表明,该方法能够正确提取笔画复杂汉字的图特征,有效表示汉字本质特征;不同字体汉字图特征相同的汉字数量最高为3 195个,方法表现较稳定;平均每个汉字可以用22.6个图节点、19.1个边表示,相较于用单通道图像表示汉字特征,可大幅降低空间复杂度。     

基于ART神经网络的汉字识别

针对汉字的多样性和相似性不同于西方字母,识别相对困难的问题,提出了基于ART神经网络的汉字识别方法．在识别前,利用OpenCV（开源计算机视觉库）将汉字进行图像处理,为后续识别提供输入数据;然后经ART神经网络对输入数据进行训练识别．采用8组相似度较高的汉字作为样本进行实验,证明了方法的有效性．     

基于改进的Hausdorff距离的字符识别方法

为了提高字符识别的正确率和速度,本文提出了一种改进的Hausdorff距离的字符识别方法.实验结果表明,该方法在印刷体数字识别中达到100%的识别率,在字母识别中,除个别被噪声严重污染和结构特征极其接近的字母外也得到了正确的识别效果,且改进后的运算速度提高了一倍左右.     

一种自动学习的印刷体汉字识别系统

介绍一种采用可能性理论与模糊逻辑方法相结合的自动学习分类器设计系统。该系统通过学习抽样字符可测定特征值的可能性。分类器利用模糊逻辑来联合几种特征而计算出全特征组的可能性。在分类器设计中可以自由选择字符类及特征的数量。所描述的印刷体汉字识别包括粗分类及两级精分类。为了克服字符结构变化对特征的影响，在字符点阵中将特征抽取区域的界线模糊化。全系统包括字体分类器及四个单字体分类器。     

应用专门知识引导的联机自然手写汉字识别

研究一种识别联机自然手写汉字的方法,充分利用汉字知识,构造联机汉字的知识框架,在专门知识引导下识别自然手写汉字。汉字的多种静态构形规律和动态书写规律被用于联机汉字的知识表达和建模,输入汉字经过笔划元提取后,采用框架描述,与知识库中存储的汉字模型进行不精确匹配实现识别。对国标一级汉字进行了测试。在对书写次序、笔划数目、是否连笔等很少限制的情况下,能获得很高的识别率,证明该方法是行之有效的。     

基于笔划和笔顺的汉字识别算法

以笔划为基元结构笔划的顺序来表示汉字的结构信息,在此基础上提出了一种笔写汉字识虽的匹配算法,对于结构类似的汉字,该算法可以通过特征关系予以识别,从而提高汉字的识别率。     

汉字识别及现状分析

就汉字识别及特征提取方法作了概要性介绍，然后通过对汉字识别现状的调查和分析，提出了在目前汉字识别领域中应侧重的研究工作，具有一定的指导意义。