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。     

甲骨文计算机辅助翻译技术研究

甲骨文的白话释读是甲骨文信息处理研究中的一个重要环节。通过引入计算机辅助翻译的技术,将已经过甲骨文专家确认正确的现代汉语释读存储在翻译记忆库中,实现了专家知识的共享和重用。基于翻译记忆的辅助翻译技术对大多数的甲骨文句子,准确率为74.3%,对残缺部分较多或含未释字较多的甲骨文句子,准确率为27.2%,基本满足甲骨文研究需要。基于上述技术,实现了一个甲骨文计算机辅助翻译系统。实验结果证明,该系统可提高信息工作者和甲骨文专家的研究效率。     

笔顺自由和笔划数可变的联机手写汉字识别方法研究

提出了一种新的联机手写汉字识别方法，采用笔划的模糊生特征描述手写输入汉字。改进了笔划动脉匹配技术，形成了笔顺自由和笔划数可变的识别方法，对ＧＢ２３１２－８－汉字库进行了实验，获得了较好的结果。     

甲骨文方位词研究

甲骨文方位词根据其构成，可分为单纯方位词和复合方位词．甲骨文方位词以单义词为主，但已有一些名词，在句中可作主、宾、定、状、中心语等，还可活用为动词谓语．与甲骨文相比，金文、先秦典籍方位词不仅在数量上有所增加，在用法和意义上也有大的扩展。     

基于语义构件的甲骨文模糊字形的识别方法

针对殷墟甲骨文字整理过程中大量模糊字形难以识别的问题,提出了一种基于语境的统计分析和Hopfield网络相结合的模糊匹配识别方法。该方法利用语境分析生成的候选字库得到对应的甲骨文语义构件向量,然后结合基于Hopfield网络的识别结果计算待识别的甲骨文模糊字的匹配度,根据匹配度确定目标甲骨字。实验表明,该方法对部分甲骨拓片的模糊甲骨字识别效果较好。     

基于深度学习的甲骨文偏旁与合体字的识别研究

由于甲骨文字形结构多样,异体字较多,其识别一直是甲骨文领域研究的重要问题.本文首次提出以甲骨文偏旁为识别的基本构件,建立单偏旁和合体结构的甲骨文字符识别方法,提升甲骨文识别的精度.方法一:根据甲骨文偏旁字形特点,对甲骨文拓片上的合体字进行甲骨文单偏旁最大极值稳定区域的选取,然后,通过改进的BN-LeNet模型识别甲骨文...     

叶玉森与甲骨文研究

叶玉森于甲骨文研究,勤奋笃志,成果卓著,创见颇多,对后之甲骨文研究产生较大影响。其研究主要表现为文字考释和综合研究两个方面。     

基于计算机视觉的植物病害识别方法综述

病害识别是计算机视觉技术在农业领域的重要应用之一,对及时发现和早期预防植物病害起着关键作用。近年来,随着病害识别方法的不断演进,病害识别性能有了显著提高,但自然条件下病害特征提取困难、病害严重程度难以区分等问题依然存在。为了在现有方法的基础上进一步探索病害识别的新思路,先是针对不同识别目标,分析病害识别和病害严重程度识别的研究现状。然后从视觉特征类型和学习方式两个角度对植物病害识别方法进行全面的比较与研究,指出深度模型是当前植物病害识别的主流方法,融合多源信息和结合不同的机器学习方式是改进植物病害识别的重要手段,并将不同识别方法在主流数据集上的性能进行对比和分析。最后对未来发展方向进行展望。     

甲骨文发现对中国秘书史研究的影响──甲骨文发现一百周年纪念

一九九九年是我国甲骨文发现一百周年纪念。甲骨文的发现对历史学，文字学，考古学等方面都具有十分重大的意义。而甲骨文发现对中国秘书史，中国文书史研究的影响，过去未被学者们注意，该文就甲骨文发现对诸如秘书工作起源，文书出现的条件等方面研究的影响作些探讨。     

基于SVG的甲骨文显示技术研究

报道一种利用SVG在网页中显示甲骨文的技术,包括创建甲骨文SVG文件和嵌入网页．该技术有助于其他特殊领域的特殊图形符号的网页显示。     

基于Transformer模型的手势脑电信号分类识别

基于无创脑电信号的精细手势动作识别是脑卒中患者运动功能康复的重要技术手段。本文通过设计实际手势动作,以手指精细运动时的运动功能区长时程脑电信号作为数据处理对象,改进了一种基于自我注意的Transformer模型识别方法,分别从时间维度和空间维度构建了基于自我注意模块的Transformer模型及其变体Top-k稀疏Transformer模型,并结合脑电数据结构特点设计了一种基于MEMD-CCA的混合去伪影方法,改进的Transformer模型取得了优异的分类识别结果。     

基于人工神经网络的人脸识别分类器设计

为了提高人脸识别系统的自适应性,采用BP神经网络对抽取出的人脸特征进行识别。对人工神经网络、BP网络应用于人脸识别的过程做了简要介绍。并通过仿真实验加以验证。     

基于最大池化稀疏编码的煤岩识别方法

针对现今煤岩图像识别方法的缺乏与不足,为了挖掘新的煤岩图像识别方法以及更好地处理高维煤岩图像数据,提出了基于最大池化稀疏编码的煤岩识别方法.本方法在提取煤岩图像特征时加入了池化操作,在分类识别时采用了集成分类器,即多个弱分类器组成一个强分类器.实验结果表明:最大池化稀疏编码的特征提取方式能简单有效表达煤岩图像的纹理特征,大大增强煤岩图像的可区分性,获得较高的识别率,并且具有良好的识别稳定性.研究结果可为煤岩界面的自动识别提供新的思路和方法.     

基于LVQ网络处理的多目标分类识别

提出利用光学图像相关识别技术和学习矢量量化神经网络（LVQ网络）相结合,实现多种目标的旋转不变分类识别.阐述了LVQ网络对基于类间综合鉴别函数得到的相关峰进行处理的原理和方法,并进行计算机模拟.结果表明,即使相关信号含有一定的噪声,该方法也可对多种目标图像作出正确的分类识别,识别准确率较高,且具有良好的容错性.     

基于熵权属性识别模型的岩体可爆性分级评价

为克服在岩体可爆性分级评价中确定评价指标权重系数带有专家打分的主观偏向性,利用Shannon熵理论客观地确定可爆性评价指标的熵权系数,并结合属性识别理论,建立工程爆破中岩体可爆性分级判别的属性识别模型;选取岩石的密度、抗拉强度、冲击动载强度以及岩体完整性系数作为属性识别的判别指标;以14组岩体实测数据进行分级判别,建立属性空间矩阵并根据信息熵理论计算各评判指标的权重,计算属性测度,利用置信度准则和评分准则对模型进行识别。研究结果表明:熵权属性识别模型可以有效地解决岩体可爆性难易程度的评判问题,且评价结果合理,为工程爆破中岩体可爆性分级评价提供了一条新思路。     

一种基于卷积神经网络的下肢动作模式识别方法

针对目前下肢动作模式识别技术存在的数据量少、识别率低的问题,提出了一种新的基于卷积神经网络的下肢动作模式识别方法。以下肢步态动作识别为对象,采集无负重平地行走,无负重上/下楼及负重上/下楼5种步态的表面肌电信号（surface electromyography,sEMG）,对sEMG进行特征提取,构建了一种以特征集作为输入的卷积神经网络,并比较了其与另外几种传统分类识别方法的识别准确率和工作特征。实验结果表明,新方法对于5种步态的平均识别准确率大于95%,错误率都低于8%,具有较高的准确性。因此所提方法的输入特征集更能代表预测模型特征,模式识别率更高,可为康复医疗机器人、助力机器人等设备改善下肢运动功能提供参考。     

基于深度学习的高维光谱分类识别研究

光谱分类识别一直是天文学家研究中的基础问题,也是LAMOST巡天计划的一项重要任务.从LAMOST发布的海量天体光谱数据库中选取F、G、K 3种型星光谱数据,采用深度学习模型进行分类识别研究和对比实验研究,解决原有方法对光谱分类可信度低的问题.实验结果证明:对于F、G、K 3种型星的分类精确度问题,深度学习方法明显优于原有其他分类方法.     

一种基于融合的词袋模型和大裕度最近邻分类算法的图像识别方法

图像分类作为图像处理和计算机视觉的重要组成部分,能够快速准确地对数字图像进行分析和管理.对基于bag of word(BOW)模型的分类问题进行了研究,针对图像理解中的图像相似度之间的关系,提出了一种最大间隔最近邻居分类算法,通过对成对约束的度量学习算法,在优化目标中增加原空间数据分类的约束,学习到了一个可以反映当前样本数据的距离函数,并且在k-Nearest Neighbor(KNN)分类器上使用该学习到的距离函数来构建分类器,并在多个国际标准图像数据集上进行实验,结果表明:该算法相比传统的基于欧式距离的算法具备更高的正确率.     

一种基于Rough Set的分类规则挖掘方法

结合国内外的最新研究成果,提出了一种运用动态约简算法挖掘出大型数据库中稳定的分类规则的有效方法,可以对不断变化的数据库中新出现的对象进行分类,最后通过对其时间复杂度的分析证明了算法的高效性.     

基于最大间隔法的蠓虫分类模型

考虑两种蠓虫Af和Apf的鉴别分类问题,通过对已知数据的分析并讨论其分布图．利用最大间隔法的思想,建立了两种蠓虫的分类模型,通过对非线性同题的分析,采用循环代替与数值计算方法,得出了所给数据的蠓虫分类结果。最后应用最大间隔法和超平面思想,讨论了高维空间的蠓虫分类问题。