基于模糊聚类的手写数字识别

本文提出了-种基于模糊聚类的手写数字识别方法,该方法先对手写数字图像进行预处理,然后对数字图像进行特征提取,得到能反映数字样本的低维特征,最后用模糊聚类的方法识别手写数字,Matlab仿真实验表明,该方法运算速度快,识别率较高.     

手写体数字识别

字符识别（OCR）是模式识别最为成功的应用之一,自五十年代开始,OCR一直是一个相当活跃的领域,手写体字符识别是OCR的分支,国际上有相当多的学者研究它,该课题包含了模式识别领域中一些最基本的问题,因而CR的研究具有重要的理论意义,同时市场的需求也促进了OCR技术的发展。     

手写数字识别论述

数字是字符的一种,数字识别技术是字符识别技术的一个重要方面。因此,数字的识别方法应该是一种具有自适应、抗干扰、能够有效地解决手写数字分割、统计模式识别与结构模式识别相结合的方法。手写数字识别研究的对象是:如何利用电子计算机自动辨认人手写在纸张上的阿拉伯数字。     

手写体数字识别系统的研究

本文以手写体数字识别系统的基本处理流程为主线,从待识别数据的获取入手,通过预处理、特征的提取与选择,到分类器的设计等部分都进行了较为详尽的分析与研究。     

基于Hopfield的脱机手写数字识别理论及算法

脱机手写数字识别在很多领域具有广泛的应用前景,国内外学者对此做了大量的研究工作,提出了很多预处理和模式识别的算法,大大提高了手写数字的识别精度。为了提高手写数字识别的精度,本文将Hopfield神经网络应用于脱机手写数字识别分析中,Hopfield神经网络的“能量函数”的能量在网络运行过程中,具有不断地减少最后趋于稳定的平衡状态的特性,而且网络一旦建立即可自动运行,无需训练。脱机手写数字的识别过程分为两步：训练阶段,识别阶段。在训练阶段,提取训练样本集的代数特征,建立网络模型,以输八向量为目标向量,保存网络连接权值和闺值以及代数特征;在识别阶段,将待识别数字特征送入网络运行,待网络运行到平衡状态后,将输出结果与数字特征库的向量进行比较,距离最小者即为待识别的数字。     

基于神经网络的数字识别技术研究

将图像的像素特征与矩特征结合,构建了神经网络分类器,利用提取的特征向量对分类器进行了训练和测试。将图像二值化,并归一化为16＊16大小,提取了其每个像素点的0、1特征共16＊16—256维,图像的网格特征13维,及Hu矩特征7维,一共276维特征。建立了BP神经网络分类器,分别使用最速下降BP算法、动量BP算法、学习率可变BP算法对BP神经网络分类器进行了训练,得出了在相同条件下学习率可变BP算法训练时间短,收敛快的结论。建立了PNN神经网络分类器,与BP神经网络分类器性能进行比较,实验结果表明,PNN神经网络分类器性能更好。     

基于支持向量机的脱机手写体数字的识别

脱机手写体数字的识别是数字识别领域中较难的一个研究方向.介绍了支持向量机理论,并提出了基于该理论的脱机手写体数字识别思路,最后将基于该思路的实验结果与神经网络LVQ识别效果进行了比较.实验表明,基于支持向量机的脱机手写体数字识别具有时间短、正确率高等优点.     

基于支持向量机的脱机手写体数字的识别

脱机手写体数字的识别是数字识别领域中较难的一个研究方向。介绍了支持向量机理论,并提出了基于该理论的脱机手写体数字识别思路,最后将基于该思路的实验结果与神经网络LVQ识别效果进行了比较。实验表明,基于支持向量机的脱机手写体数字识别具有时间短、正确率高等优点。     

脱机手写体数字识别技术研究

脱机手写体字符识别技术是当前的热点和难点问题,是解决目前大量已有的文档资料录入工作的关键,该领域目前还没有十分成熟的产品,还正处于研究阶段,特别是如何提高其识别率已成为一个亟待解决的问题。本文根据数字笔画特征值和环的数目构建一种神经网络特征输入的新的特征提取方案,参照汉字基本笔画定义,采用环、横、竖、撇、捺、竖定义数字的五种笔画,运用单字单网的12个并行BP神经网络进行数字识别,为解决手写体字符识别中所存在的困难找到一种切实可行的新途径。     

基于神经网络的手写汉字识别集成分类器设计

手写汉字识别是大类别分类识别问题,文章针对金融票据自动识别应用中的脱机手写体汉字,给出了一种基于多层BP网络的并行集成方法。该方法是纯神经网络的多分类器并行集成方案,通过一个两步监督学习过程实现整个集成网络分类系统。对BP网络的应用做了有益的探索,同时也为BP网络在大类别分类问题中的应用提供了一条可行的途径。     

基于神经网络的手写体数字识别方法的研究

讨论了点阵输入神经网络的手写体识别问题 ,在建立了互补的基本网络基础上 ,提出了组合网络结构。实验表明 ,组合网络能进一步提高识别率。     

数字图书馆中手写体数字的神经网络识别的新方法

研究并实现了在抽取样本模式有效特征的基础上 ,训练神经网络分类器进行手写体数字识别的新方法。实验表明本方法的性能大大优于采用最近邻分类器的识别结果。     

机械设备振动检测系统设计与实现

对机械设备振动监测和故障诊断技术的组成、功能原理进行了分析,提出一种简便的机械设备振动检测系统,详细介绍系统的硬件组成与软件体系结构.系统硬件成本低,可以安装在普通的PC机器上,界面操作简便,可以完整的实现振动信号的测试、特征提取、状态识别等功能.     

联机手写笔画识别后处理算法的设计与实现

文中提出了两种联机手写笔画识别后处理的优化方案,第一种是基于回溯策略的后处理算法,通过回溯法修正误识的笔画;第二种称为多候选笔画组合算法。本文在基本识别手写笔画的基础上采用这两种后处理算法优化识别程序,实验结果表明,对笔画识别进行后处理大大提高了系统的识别率。     

神奇的“数字墨水”

随着平板电脑（Tablet PC）的问世，一种具有识别手写体文字输入能力的“数字墨水”（Digital Ink）技术也随之出现。“数字墨水”技术是一种新的人机界面技术，它借鉴“手写识别”技术的同时，超越了它的许多局限。人们可以获得识别出的文本，并可以对它进行处理，将它插到文章中、作为电子邮件发送或者做任何你想做的事情。     

数字识别技术在电子出版物中的应用

数字识别技术是电子出版物标准化建设的一项重要内容。在电子出版物生产的不同环节,数字识别技术也存在不同,本文分别从制作出版和发行销售两个阶段,简要介绍了电子出版物的各种数字识别技术。     

基于SVM的手写体数字识别的研究

研究了利用支持向量机分类器进行手写体数字识别的技术。构建了我国邮政手写数字库和美国邮政手写数字库。在此库上,利用基于SVM多类分类器进行了实验,并与其他分类器的识别方法进行了比较。实验结果表明,算法的正确识别率达到96.005%,识别效果最好。     

指纹图像预处理及特征提取算法的研究与实现

提出了一套完整的基于方向特性的指纹预处理算法,包括前景／背景分割、方向滤波、二值化、细化4部分。特征提取采用8邻域方法提取纹线中的两种细节特征——端点和分又点。实验结果表明,指纹图像经过预处理算法后提取出了纹线,并且很好地保留了纹线的关键信息,对特征提取奠定了良好的基础。指纹图像经过特征提取后,准确有效地定位了两类特征点。     

基于Web的数字迎新系统设计与实现

随着高校招生规模越来越大,给迎新工作带来一定的困难,数字迎新系统以校园局域网为基础,实现新生报到前校方新生间信息的相互了解、新生报到业务的办理、数据采集及事后的统计分析功能。本文所设计的数字迎新系统将对高校迎新工作的效率提高、新生报到信息的统计及其它信息系统基础数据提供全面的支持。系统采用JSP相关技术实现。     

关机手写字符识别技术研究与实现

联机手写字符识别是模式识别领域的一个重要应用分支。研究了联机手写字符识别相关预处理、特征提取、分类器设计等技术,并实现了基于字符轨迹密度和支持向量机的识别系统。实验表明,选取笔划密度特征和SVM算法进行字符识别具有较高的识别率。