联机手写数学表达式识别方法综述

数学表达式的自动识别是将科学和工程文献中的数学表达式转变成电子文档的一个关键手段．数学表达式的识别由符号识别和结构分析两个主要阶段组成,符号识别又分两步骤,即符号的分割和识别．文章介绍了目前数学表达式识别的研究现状,给出了联机手写数学表达式的识别过程,对符号识别方法和结构分析方法进行概述．对数学表达式识别过程中的重要论点进行比较深入的阐述,根据一些总结性的评述,讨论了其他相关问题以及数学表达式识别的发展趋势．     

基于K-L变换与SVM的数学符号识别

为了实现印刷体数学表达式的自动识别,对印刷体数学符号的识别方法进行了研究,提出了一种基于K-L变换和支持向量机的符号识别方法.该方法首先对数学符号图像进行预处理,然后对其归一化之后的图像使用K-L变换进行特征降维,最后使用支持向量机分类器对其进行识别.对同济大学版的<高等数学>上册书中出现频率最高的112个基元或符号的识别率可以达到96%以上,实验结果表明,该方法比近年报道的方法有明显优势.     

基于像素匹配的矢量图件标准转换系统的构建与实现

不同标准的矢量图件难以相互转换,导致图件信息共享存在障碍,空间数据的利用率较低等一系列问题。为此,以符号双向映射和像素匹配作为基本原理,利用数据库与GIS技术设计实现了基于像素匹配的矢量图件标准转换系统。系统主要通过标准符号库获取、符号映射关联表构建、图件符号解析、符号匹配与识别、目标标准符号获取和符号标准转换实现矢量图件标准转换。实际工作中的图件在三大石油标准间的相互转换实例结果表明:系统不仅具有运行稳定、操作简便和自动转换的特点,而且具有较高的转换精度和较强的实用性,可以很好地解决石油领域不同标准图件信息难以共享和空间数据利用率低的问题。     

松弛迭代粒子追踪测速法独立性改进

为了提高提取瞬态流场结构的便捷性,对松弛迭代粒子追踪测速法(RM-PTV)的独立性进行了改进.引入Delaunay三角剖分(DT)法代替固定阈值法来选取与目标粒子保持相似运动的参选粒子并对典型自定义流场进行了匹配计算,同时引入邻域窗口分析法对改进前后的流场在匹配结果中突兀矢量分布的数量和大小进行了比较.计算结果表明:DT方法可以有效选取目标的参选粒子,改进方法可以较好地保持抗噪音和识别粒子无匹配的能力,省去固定阈值的选取,减小对具体流场的依赖性;当噪音和粒子无匹配存在时,改进前后的流场在匹配结果中突兀矢量分布的数量和大小基本相同.最后,通过实验证明了改进方法在大气边界层内提取沙粒跃移运动轨迹上是有效的.     

彩色可视传感阵列基元匹配快速定量算法

在彩色可视传感阵列传统处理方法中,存在着数据量大,人工分析困难、种类浓度识别难以同一次实现等问题,针对这些问题,考虑到同类气体饱和响应阵列点位置一致性的特点,提出一种彩色可视阵列基元匹配快速定量识别算法。该算法首先采用设置经验阈值消除冗余量,进行去噪和特征提取,减少人工分析量;然后进行基于二值化基元图模板匹配的定量分析种类识别,减少计算量,增加气体识别效率和精度;最后,综合模糊逻辑和神经网络2种人工智能方法的优点,建立彩色传感阵列气体浓度识别的自适应模糊推理系统。算法优势在于将不同气体的种类和浓度检测分开进行,解决了种类、浓度同时识别时可能出现特征数据交叉感染导致错误识别的问题。基元模板匹配分析结果显示,氨气、氯气和二氧化硫3种气体分类识别结果准确率达100%,利用模糊神经网络方法对氨气浓度识别率准确度较高,误差在5%以内。     

数字字符图像的自动识别

针对无限制手写体数字字符的识别问题进行了探讨．输入图像经过预处理后。进行特征抽取及分域处理．每一区域内对应一类基元、基元的类别由特征组合情况来确定．对骨架的拓扑结构进行全面描述．形成输入字符图像的一维链码．以此与参照链相匹配．根据匹配结果。进行识别．     

二维有限元网格图象的识别

提出了二维有限元网格图的识别方法．通过对一帧网格图的扫描和二值 化，从中识别出节点和边两种基元．根据这两种基元的拓朴关系生成对称邻接矩阵Ａ，以线度作为限定条件在Ａ的上三角进行单元匹配操作，最后生成 可供应用程序读取的节点坐标和单元表示数据．     

基于区域条件分解的工程图识别方法

通过对形状区域和线性区域的构造，使得工程图形的点阵图像在区域上可由两类具有不同特征的基元组成，即形状基元和矢量基元，并构成标号为Ｄ和Ｌ的区域相邻图。在此基础上，工程图识别的基本步骤是分解、构图和推理。还给出了两个基本的图节点的区域包容算法，它们是推理工作的基础。     

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。     

基于运动矢量分析的动作识别技术

改进人体行为识别传统模板匹配方法的算法,提出一种基于运动矢量分析动作识别技术,并对其识别效果进行实验验证.该技术把标准人体动作的百分比运动矢量作为模板,将待识别动作的百分比运动矢量与已知的模板进行对比,从而得到动作识别结果.该技术可以正确识别摆头、点头和摇头动作,动作重复3次的识别率可以达到95%以上.该技术进行实时动作识别具有效果好、算法简单、识别速度快、抗干扰性强等优点.     

基于改进的C-支持向量机的手写体数字高识别率方法研究

手写体数字的识别在社会经济、社会生活的许多方面都有着广泛的应用。同时支持向量机是近几年来模式识别领域中的一种新技术,它被广泛应用到文字识别、人脸识别等应用中。为此将支持向量机技术应用到手写体数字的识别中,通过使用改进的C-支持向量机进行手写体数字的识别,并得出相应的识别率,结果表明此方法可行且有较高的识别率。     

基于模糊方向线素特征的手写体汉字识别

方向线素特征在手写体汉字识别中得到了广泛的应用，文中对该特征进行了形式化描述，分析了其存在的不足，在普通方向线素特征的基础上，引入模糊数学思想，提出了汉字的模糊方向线素特征，给出了形式化描述，应用该特征实现了一个非特定人手写体汉字识别系统，经对含有３７５５０个汉字（１０套国标一级汉字）的未学习样张的测试，识别率由８５．５％提高到８９．７％，十选正确率达到９８．４％，在同等测试条件下，比单纯使用方向线素特征识别率提高了四个百分点     

基于编码器-解码器的离线手写数学公式识别

提出一种改进的编码器 解码器模型。模型采用多尺度密集卷积网络作为编码器,以提取手写数学公式图像的多分辨率特征。采用完全基于注意力机制的Transformer模型作为解码器,依据图像特征将二维手写数学公式解码为一维 LaTeX 序列。通过相对位置编码嵌入图像位置信息和LaTeX符号位置信息。实验结果表明,模型在官方CROHME 2014数据集上取得了优异的性能,相比于当前最先进的方法,其公式识别准确率提高了3.55%,字错误率降低了1.41%。     

一种基于流形学习重建的脱机手写数字识别算法研究

本文针对在手写字符识别中由于书写习惯和风格的不同造成字符模式不稳定的问题,提出了一种基于流形学习重建的手写体数字识别方法。该方法与传统的流行学习识别方法不同,传统的方法是先对待识别模式进行降维,然后再对降维后的特征进行分类识别;本文提出基于重建的LLE算法（简称RLLE）。该算法首先分别对每一类字符训练样本进行LLE降维,得到每一类字符降维后的向量。然后将待识别字符分别在每一类字符中进行降维,并依据该降维后的矢量在每一类中对字符进行重建。最后选取重建误差最小的为待识别的所属的类。通过对MINST字库的一系列实验表明该算法具有较高的识别率,同时该方法为手写体数字识别的研究提供了一条有效的新途径。     

论平面空间的自然代数结构

所要探讨的问题是数与形的统一,提出了用一个代数数系的代数运算,把数与形相互统一起来的新方法,通过这种方法,可以发现,代数数系中的任一元素"数量",与构成几何理论体系的基本元素"矢量",在数学理论的逻辑结构中,实属同一数学元素.     

基于深度神经网络的手写数字识别模拟研究

当前图像识别大多采用基于特征提取的传统机器学习方法与卷积神经网络的方法,但传统图像识别技术需要手动提取图片特征,而卷积神经网络对硬件要求高,训练时间长等。针对以上问题,本文提出基于深度神经网络模型的手写体图像识别方法,让机器自动学习特征,并在此基础上,通过改进成本函数,加入dropout防止过拟合,来提高手写数字识别的识别率。仿真实验对比结果表明,基于深度神经网络模型的方法比当前传统算法的识别率提高了3.41%,有效解决了人工识别费力耗时问题,对手写数字的研究具有重要意义。     

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.     

工程图形扫描图像中的尺寸字符提取与识别

给出了一种提取与识别工程图形扫描图像中的尺寸字符的方法,提出了几种简便、易于抽取的字符结构特征,能有效地识别工程图形扫描图像中的手写字符.该方法已成功地应用到工程图形扫描输入后的智能识别软件CIRS5.0中,字符提取及识别率达到92%以上.     

隐马尔可夫过程小波变换的参数估计

作者提出了一种新的方法来解决通过小波变换后的隐马尔可夫过程参数的计算问题．这个方法不必根据变换后的结果对系统参数进行重新估计,而只需利用变换后输出的小波系数直接来计算参数即可,避免了保留所有训练数据的繁琐复杂计算过程。