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．     

在Foxpro中运用模糊识别技术让微机识别同音字

本文针对汉字同音字识别问题,讨论分析了汉字的基本编码,并介绍在Ｆｏｘｐｒｏ中运用一种模糊技术计算机识别同音字的实现方法。     

计算机特殊内码的识别与显示技术

通过对计算机Unicode汉字内码识别与显示的研究,给出计算机Unicode汉字内码转换成GB内码技术过程及应用其恢复文件的技术.     

在Foxpro中运用模糊识别技术让微机识别同音字

针对汉字同音字识别问题，讨论分析了汉字的基本编码，并介绍在Ｆｏｘｐｒｏ中运用一种模糊技术让计算机识别同音字的实现方法。     

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。     

大量印刷体汉字的识别研究

本文的识别方案是在我们对304个汉字识别研究的基础上提出的。就形体结构而言,汉字可由字块、边旁、部首等组合而成,因此我们按字块、边旁和部首进行识别时的第一级预分类,以解决汉字数量庞大这一突出的矛盾。然后按笔划密度进行第二级预分类,并根据轮廓投影幅值谱进行识别。此种方法用于识别大量印刷体汉字是比较合适的,信息量可大大压缩,识别速度可显著提高。本文叙述了有关2000余汉字在 Wang—2200系列 MVP 型计算机上模拟试验的结果。     

自然手写汉字五笔码识别法

在深入剖析五笔字型键盘输入法编码原则和字根结构基础上,结合联机识别技术特点对五笔字根作出适应性发行后,提出了一种联机识别自然手写汉字新方法：五笔码识别法。在构建的识别体系中 采用了层间分级技术,并提出将键盘输入技术与联机识别技术有机融合,为联机识别自然手写汉字探索新途径。     

拼音汉字及其无编码信息处理法

本文初步提出了以汉语拼音为基础的拼音汉字方案,并阐述了在一语二制的条件下,可以不经编码,通过打印拼音汉字而经计算机直接转换成汉字,从而有利于提高汉字信息处理的效率和提高计算机的普及程度。     

输汉字用笔写——摩托罗拉推出最新连笔汉字手写电脑识别系统

一支笔,一块写字板,无需改变任何书写习惯就可轻轻松松将汉字写入电脑。对于广大电脑爱好者来说,这已不是一个梦想。日前,摩托罗拉(中国)电子有限公司推出了“慧笔”中文手写识别电脑输入系统,首次实现计算机对连笔汉字的识别。使用者将不再需要学习和使用英文键盘及各种复杂的汉字输入系统,仅按个人书写习惯,即可将不同写法的汉字输入电脑,转化为印刷体。据悉,这是摩托罗拉公司向中国市场推出的第一套计算机软件产品,国内具有多年汉字识别经验、以推出清华TH-OCR闻名的北     

汉字的S—E坐标提取及其骨架重构

本文从手写印刷体汉字的计算机光学输入的离散模式出发,提出一种称为S-E坐标的特征提取的新方法。S-E坐标的特征提取及基于S-E坐标的汉字骨架重构在快速实时、数据压缩、畸变消减以及抗干抗性等方面优于通常的细化算法。最后简介基于S-E坐标的汉字识别法。分析与实验表明,S-E坐标为进一步的特征提取和汉字识别提供了一种有效的工具。     

用抽取笔划有序列法识别限制性手写汉字

本文根据汉字结构内在规律以及人认字的机理，指出如下三点是汉字结构模式的本质特征：①笔划类型和数目，③部件内各笔划间的相对位置、连接关系，③部件间的相对位置关系。笔划及各种关系必须模糊化和减弱化。在这些基础上，提出了一种用抽取和合成笔划（必要时包括笔划间关系）有序列识别限制性手写汉字的方法。该方法对变形的手写汉字有较强的适应能力。对２００个手写汉字进行了计算机模拟实验，取得了满意结果。     

手写相似字计算机识别方法的改进

对计算机统计识别方法和人工神经元网络识别方法的分析与研究,将两种方法有机的结合起来,利用各自的优势,对相似汉字进行识别,有效的提高了相似汉字的识别率,同时使整个汉字识别系统的性能也得到了显著的改善。     

沉毅笃行 锐意进取——清华大学刘长松副教授及其文字识别研究

作为一个拥有五千年文明的古国，汉字源远流长，是世界上最古老的文字之一；作为一个拥有13亿人口的大国，汉字又是世界上使用人数最多、跨越空间最广的文字。随着信息时代的发展，计算机一网连天下，这个年轻的面孔令世界为之焕然一新。众所周知，“0”和“1”是计算机二进制中的基本单位，长久以来，这也是它能唯一能识别的单位。当“古老”与“年轻”相遇，可不可以通过技术的创新使汉字像“0”和“1”一样容易被计算机识别呢？     

汉字识别在档案管理中的应用

汉字识别技术（简称OCR）可以理解为是让计算机认字的技术。它通过光电信号转换，即文本数据。     

一种改进的汉字字符识别法

光学字符识别系统已经有了较长时间的发展,但是在汉字识别领域,依旧有着很多可以改进的地方.本文提出一个基于不变矩和分区特征识别相结合的新方法,配合一种快速校正技术,构成一种高效的汉字字符识别系统.最后,本文将讨论这种方法的优缺点.     

基于CNN和随机弹性形变的相似手写汉字识别

针对手写汉字中相似汉字的识别问题,构建了一种卷积神经网络(CNN)模型,并给出了其网络拓扑结构,通过随机弹性形变对样本集进行扩展,以提高模型的泛化性能.相似手写汉字的识别实验结果表明:相对于常规的CNN模型,文中CNN模型的手写汉字识别正确率提高1.66%,特别是对于变形的手写汉字,识别正确率提高12.85%;相对于传统的手写汉字识别方法,文中方法的识别错误率降低36.47%,从而验证了文中识别方法的有效性.     

基于偏旁部首计数分析网络的零样本汉字识别

为了提高零样本汉字识别的准确率,克服传统方法在未见汉字识别上的局限性,并进一步改进以偏旁部首为基元的汉字识别方法,本研究提出了一种以注意力机制为基础的编码器-解码器架构的部首计数分析网络,用于零样本汉字识别问题。在编码器阶段,引入了多尺度部首计数模块;而在解码器阶段,则运用了多尺度注意力机制。本文将一个汉字看作是由若干偏旁部首及其空间结构组成的序列,通过计算偏旁部首及空间结构的数量,实现了对汉字的有效识别。实验结果表明,在SCUT-SPCC和CTW两个基准数据集上,本文所提出的新模型在零样本汉字识别方面表现优异。本研究能够更好地捕捉汉字的特征信息,并实现对未见汉字的准确识别。这对汉字识别领域的研究与应用具有重要指导意义,可为相关领域的研究提供新思路和方法。     

让计算机"识图认字"--记丁晓青教授和清华智能图文信息处理研究室

谁说计算机只知道“0”和“1”，让计算机“识图认字”，对他们的努力下，计算机不仅能够识别汉字和英文，还能够认出在我们看来像“天书”一般的藏文，维吾尔文，阿拉伯文。     

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。     

限制性手写体汉字识别中的笔划跟踪及特征抽取

在对计算机的汉字识别方法讨论分析之后,本文以汉字的结构特征为基础,提出了一个新的笔划跟踪搜索方法,用来解决手写体汉字的识别问铱,在该方案中采取了速度快、质量好的平滑细化等预处理方法。在特征抽取中采用了定向记忆跟踪和笔划拼接二种方法,从而解决了在笔划抽取中,特别是在笔划经过细化处理后,不可避免地带来某种程度的笔划畸变的情况下,如何正确地抽取笔划特征,找到了一个较完善的处理方法。经过大量的计算机实验,证明该方法切实可行。且已使正确识别率提高到95％以上,误认率低于5％,识别速度小于2秒。