基于模糊方位转换技术手写文字识别的研究

提出了一种基于模糊方位转换技术实现手写文字辨识的方法，介绍了模糊方位转换技术的基本原理，并编制了仿真程序对该技术进行验证。     

模糊模式的手写数字识别技术研究与实现

通过对CCD传感器获得的邮政编码的24位bmp图像进行仿真和数字识别,提出了一种基于色素的二值化方法,分别提取了邮政编码框格线的二值图像和邮件字符的二值图像;对图像处理的过程进行了分析,它包括邮编框边缘检测和分离、图像的二值化、平滑去噪、倾斜矫正、邮编数字的提取、位置归一化处理、数字图像的细化、字符识别特征提取等。首先对图像识别的预处理过程进行了阐述,然后再对预处理过的图像进行特征字符提取,并对邮件编码框格和字符进行角度修正,最后判断识别结果;在此方法中避免了框格线和编码字符线分割的困难;为了提高识别率,研究使用了手写数字多种方法的复合,使邮件编码的识别率得到了提高;实验表明:该方法可以获得较高的识别率,为邮政系统中分拣识别技术提供了参考。     

基于Faster-RCNN的水书古籍手写文字的检测与识别

中国非物质文化遗产水书文化面临失传威胁,近年大量深度学习的方法用于手写古籍文字的识别.但水书古籍文字识别面临数据集建立和标注困难、样本不平衡等问题,研究进展不大,且鲜少进行水书古籍页面级的文字检测与识别.首先建立了一个较大规模的水书手写文字数据集,通过几种数据扩增方式,获得包含80个文字类别,共110610个带标签的字...     

LLE算法及其在手写文字识别中的应用

手写体识别有着广阔的应用前景和很高的理论价值,其主要分为在线识别和离线识别两种.在分析局部线性嵌入算法LLE和文字识别过程的基础上,实现了整个手写文字识别过程,包括图像获取、预处理、特征提取、分类、LLE降维、识别输出等过程.通过文字的相容度试验,确定了本过程的有效性.     

基于识别的粘连手写数字串切分系统

为解决手写数字串中的粘连问题,提出了一种基于识别的粘连手写数字串切分系统。该系统通过外轮廓分析和投影分析,找出相应的候选切分线。利用候选切分线对数字串过切分,过切分后的每个子图像定义为一个片段,相邻的一个或多个片段的组合定义为一个集团。数字串的每个候选切分结果由一个或多个集团组成。对所有的候选切分结果建立一个概率模型,并使用单个数字识别器对所有集团进行识别。根据最大后验概率准则,选出最优的切分结果。在搜索最优切分结果时,使用剪枝算法,降低了算法的时间和空间复杂度,从而满足实时处理要求。利用从NISTSD19中收集到的样本进行实验,正确切分率高达97.72%。     

基于模糊感知器的神经模糊分类器

针对一类基于模糊感知器的神经模糊分类器,分析了隶属函数限制条件对分类结果的影响。并根据模糊密度的概念,提出一种为输入特征选择合适的模糊划分的方法。仿真结果表明了该方法的有效性。     

用于手写数字识别的增量式模糊支持向量机

根据不同训练样本对于训练过程具有不同的贡献度,构造增量函数.通过设置增量函数的阈值,构造了用于手写数字识别的增量式模糊支持向量机.选取机器学习与智能系统中心的手写数字识别问题来验证文中方法的优越性,与模糊支持向量机相比,文中方法加快了训练过程,提高了识别精度.     

用于手写文字识别的MQDF替代参数选择方法

针对修正二次判别函数(MQDF)的替代参数的选择问题,提出一种选择参数h的方法.首先通过分析h在MQDF中的作用,将h对判别结果的影响分为两类情况;然后对每类情况在训练集上统计h的取值分布,并分析如何选择h可获得最优的分类结果;最后用非参数方法得到这两种情况的概率分布,从而得到h的最佳取值.在手写数字数据库MNIST和手写汉字数据库ETL9B上的实验结果表明了该方法在识别效率以及时间效率方面的有效性.     

基于改进的VGG-Net的手写蒙古文字元识别

现有蒙古文文字存在元样本尺寸较小、使用标准VGG-Net进行字元识别不能达到较好效果的问题,提出基于改进VGG-Net的蒙古文字元识别方法.通过改进的VGG-Net模型对手写蒙古文字元图像数据增强后的23类手写蒙古文字元样本进行识别.结果表明,改进的VGG-Net对字元图像识别的准确率达到96.83％,相比传统VGG-...     

一种模糊综合决策汉语谓词识别算法

汉语谓词识别是Internet内容安全、机器翻译的重要研究内容之一.本文设计出一种基于汉语语法规则,通过系统学习,自动建立模糊关系矩阵以识别汉语中心谓词的方法,并给出了相应的算法流程.实验表明,模糊综合决策汉语谓词识别算法,较传统的JXXT谓词识别器,具有更高的谓词识别率和算法稳定性.     

基于多级分类器的自由手写数字在线识别

设计了一种用于手写字符在线识别的多级分类器模型。在该模型中,通过对四个独立的分类算法进行集成,将脱机方法与联机方法,神经网络方法与传统方法有机地结合起来构成一个完整的手写字符在线识别系统。理论分析和实验结果表明,该集成系统比单一系统具有明显的优越性。     

基于模糊集理论的汉语指令识别

以模糊集理论为基础，提出了一种汉语指令识别的模糊语音描述和模糊匹配算法，在语音信号的时间规整中，使用一种改进的非线性帧数规整算法，在４０条指令的识别实验中，正确率达９３％以上。     

基于LVQ神经网络算法的脱机手写数字识别研究

针对BP神经网络进行脱机手写数字识别所存在的问题,提出用自组织竞争神经网络(LVQ)对脱机手写数字识别的方法.介绍了LVQ神经网络算法,并构建了LVQ神经网络的识别模型,用Matlab软件进行了仿真.将获得的仿真结果数据与BP神经网络的测试结果进行对比分析,发现LVQ神经网络对脱机手写数字的识别率明显高于BP神经网络,且收敛速度更快.该方法在脱机手写数字识别领域具有一定的可行性与指导性.     

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.     

基于风能转换系统的模糊PID自适应控制

以额定风速以下风能的最大捕获为目标,设计了基于模糊PID自适应控制的桨距控制器。以发电机产生的电能与理论计算的风轮最大捕获的风能误差为输入设计控制器,该控制器在运行时根据风况在线调整PID参数,实现自整定。仿真结果表明,在额定风速以下,基于高斯型隶属度函数的模糊控制方法能够将风能转换系数控制在最优值0.476附近,叶尖速比可以维持在最优值7附近,能够实现额定风速以下的最大风能捕获。     

基于OCR技术的书写文字识别系统设计

OCR(Optical Character Recognition,光学字符识别),是属于图型识别(Pattern Recogni-tion,PR)的一门学问。其目的就是要让计算机知道它到底看到了什么,尤其是文字资料。书写文字识别是人工智能理论在这一领域应用的一个分支,它研究的对象是如何利用电子计算机自动辨认人书写在纸张上的文字。文章主要是对模式识别的基本原理以及如何利用图像识别技术对书写文字的识别的研究,并给出了模板匹配法识别图像的原理。     

基于LSTM的智能手机3D手写识别

针对传统传感器需要在特定的空间区域内才能进行人机交互,极易受到外部环境因素干扰的问题,提出一种新的基于长短时记忆神经网络(LSTM)的智能手机3D空间手写识别方法,用于非特定三维空间中实现的人机交互.首先,利用智能手机内置三轴加速度传感器,采集手部运动数据,并将采集的数据进行预处理操作,构建3D手写识别数据集;然后,基于LSTM构建3D手写识别模型,并利用构建的数据集进行训练;最后,利用训练后的模型实现智能手机的3D手写分类识别.通过在本文自建的非依赖用户数据集上进行测试,实验结果表明,该识别方法可以实现86.4%的准确率,88.1%的召回率,88.4%的精准率和88.0%的F₁分数.     

手写数字的综合智能识别

研究手写数字多种智能识别方法的逻辑组合和加权统计综合模型．应用综合模型对多种智能识别系统进行综合,提高了手写数字识别的可靠率．     

基于SVM和NN的空管手写符号的识别研究

针对空管手写符号识别进行研究,使用支持向量机(SVW)与神经网(NN)的方法提出了双层的分类方法,第一层使用支持低分类率的NN分类器,使用一个强拒绝准则,应用了一个易提取的较小特征集.而被拒绝的模式再加上一些更复杂的附加特征和均衡的拒绝准则一起用于第二层的SVM分类器,其中附加特征包括具有强分类能力的空管手写符号的头部和尾部特征.实验结果表明,用这种方法可以得出一个更快的分类器,在相同特征下分类的时间比单个SVM更少,错误识别率为0.1%,具有很好的鲁棒性.     

BP神经网络探析脱机手写汉字识别

神经网络是一种新型的信息处理模型,通过对生物神经系统的模拟,凭借自适应学习以及自动处理等功能,可达到预期目的。脱机手写汉字识别难度较大,为提高识别速度和精确度,采用了建立在反向传播法基础上的神经网络模型,对脱机手写汉字进行识别。以小字符集汉字识别为例,针对反向传播法中存在的缺陷,如收敛速度过慢,易陷入局部最小点等,对其算法进行了改进,取得了较好的效果。