基于SEART网和模糊相似测量的手写汉字预分类法

提出了一种手写汉字预分类的新方法.该方法分2步进行,首先采用有监督的扩展ART神经网络(SEART)产生一定数量的预分类组,然后通过模糊逻辑处理将各组字符分别转换成基于非线性加权函数的模糊样板,并通过基于模糊相似测量的匹配算法、相似性测量样板的分级分类进行预分类.测试结果表明,该方法效果良好,预分类正确率达到98.19%.     

一种基于手写签名的网络责任文件认证系统

研究一种网络责任文件认证系统。网络消息的认证通常采用基于公钥体制的数字签名方法．尽管数字签名在理论上已发展得较为成熟，但在应用方面仍存在若干不足考虑到手写签名验证方法在个人通信网络身份认证中的良好发展前景，采用将数字签名与手写签名相结合的方法，使系统既保留了数字筌名应有的特性，又具有手写签名对责任文件的认证作用。     

一种优化的手写字符自动分割算法

在手写字符自动识别时,由于手写字符中存在字符大小间距不一、粘连、断点,以及不连贯等情况,给字符自动分割识别带来极大的困难.针对该问题,提出了一种优化的手写字符自动分割算法.该方法依据滴水算法的原理,结合CFS(color filling segmentation)做初步分割;再根据分割字符的连续黑色像素点的宽度判断是否...     

An approach to offline handwritten Chinese character recognition based on segment evaluation of adaptive duration

This paper presents a methodology for off-line handwritten Chinese character recognition based on mergence of consecutive segments of adaptive duration. The handwritten Chinese character string is partitioned into a sequence of consecutive segments, which are combined to implement dissimilarity evaluation within a sliding window whose durations are determined adaptively by the integration of shapes and context of evaluations. The average stroke width is estimated for the handwritten Chinese character string, and a set of candidate character segmentation boundaries is found by using the integration of pixel and stroke features. The final decisions on segmentation and recognition are made under minimal arithmetical mean dissimilarities. Experiments proved that the proposed approach of adaptive duration outperforms the method of fixed duration, and is very effective for the recognition of overlapped, broken, touched, loosely configured Chinese characters.     

让手写无处不在——记汉王科技股份有限公司研发部总经理钮兴昱

钮兴昱现任汉王科技股份有限公司研发部总经理,副研究员。主要研究方向是基于多平台多语种的手写识别和手写应用技术的研究与开发,负责参与的“汉王形变连笔的联机手写汉字识别方法与系统”项目,多次获得国家、各部委、市级的表彰和奖励。     

融合边缘注意力的手写蒙古文字元数据增强方法

针对手写蒙古文字元数据集样本少且多样性差的问题,提出融合边缘注意力的条件手写蒙古文字元生成模型。模型在条件生成对抗网络的基础上引入了边缘注意力机制,使得数据生成模块对手写蒙古文字元边缘变化更加敏感,增加特征多样正则项在一定程度损失避免模式崩溃并使得生成样本更具多样性。在MNIST和手写蒙古文数据集进行了大量实验,结果表明提出模型样本增强效果优于GAN、CGAN,并且增强后的样本能够有效提升文字识别模型的性能。     

基于卷积神经网络的手写数字识别应用

数字识别(Digit Recognition),是计算机从纸质文档,照片,或其他来源接收和理解并识别可读的数字的能力.根据数字来源的产生方式的不同,目前数字识别问题可以区分为手写体数字识别,印刷体数字识别,光学数字识别,自然场景下的数字识别等,具有很大的实际应用价值.目前比较受到关注的问题主要是手写体数字识别,由于其具...     

支持向量机动态学习方法及其在票据识别中的应用

介绍了用支持向量机(SVM)进行动态学习训练的方法.解决了在机器学习过程中,训练样本获取比较困难,样本可随外界条件改变而变化的问题.实践证明,使用该方法可以动态跟踪样本的变化,保证SVM分类器的最优性能.利用该方法设计的银行票据OCR系统的实际应用说明了该方法的有效性.     

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。     

一种手写体汉字的非线性规范化方法

手写体汉字变形问题是无约束手写体汉字识别的关键问题。规范化处理的目的是对字符图像点阵进行变换,矫正手写体汉字变形,减小同类字符之间的差异。文章提出了一种非线性规范化方法,它一方面调整了汉字的笔划分布,使笔划的分布密度趋于均匀;另一方面又调整了笔划的粗细,使笔划的宽度趋于一致。实验显示,用文章提出的方法产生的同类字符点阵的离散度小于用已有的几种非线性规范化方法产生的同类字符点阵的离散度,表阴提出的非线性规范化方法,较之已有的几种非线性规范化方法更有效地减小了同类字符之间的差异。