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。     

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。     

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.     

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。     

基于安卓平台的数字识别程序设计

设计了一款基于安卓平台的数字识别应用程序,该程序利用设备相机进行图像采集,经过一系列图像处理,能对字符进行识别功能。试验结果表明,该应用程序对手写字符的识别达到较好的效果。     

基于反向传播算法在联机手写汉字结构识别中的应用

在联机手写汉字识别中,识别汉字结构是识别联机手写汉字的一个重要步骤和关键环节。从汉字结构的归类,样本的采集和预处理,反向传播算法设计等对联机手写汉字结构进行识别,通过提高联机手写汉字结构的识别,来提高汉字的准确率。     

基于模型匹配法的字符识别

本文采用模型匹配法对手写数字、印刷体数字和大写英文字母进行了识别,并采用Visual C＋＋编程实现。其中,特征量的提取是关键。通过对图像的大小归一化、二值化、字符切割和细化等预处理之后,提取网格特征和交叉点特征两种特征量,并采用最短加权距离判别法进行匹配,从而获得较为精确的识别结果。     

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。     

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。     

基于BP神经网络的手写数字识别

随着计算机硬件的不断发展,以前需要大计算量的BP神经网络算法所需时间已经变得可以接受。本文就BP神经网络算法最富代表性的应用之一——手写数字识别进行了一些探究。     

Equation Chapter 1 Section 1联机手写数学公式识别技术

数学公式是科技文档重要的组成部分,而手写是一种较为自然地输入数学公式的方法。联机手写公式识别的任务是对用户通过鼠标或者手写板等输入的一个数学公式进行识别,主要过程包括笔划输入、笔划预处理、符号切分、字符识别、公式分析、公式输出等。通过对各个阶段的研究和分析,设计和实现了一个联机手写数学公式识别系统。     

联机手写数学公式识别技术

数学公式是科技文档重要的组成部分,而手写是一种较为自然地输入数学公式的方法。联机手写公式识别的任务是对用户通过鼠标或者手写板等输入的一个数学公式进行识别,主要过程包括笔划输入、笔划预处理、符号切分、字符识别、公式分析、公式输出等。通过对各个阶段的研究和分析,设计和实现了一个联机手写数学公式识别系统。     

罗技IO数字笔

不喜欢用键盘敲字?罗技的这支io数字笔能够将手写笔迹转化为电脑能识别出的字体,它的英文识别软件是由瑞典电子公司Anoto提供的。io数字笔包括一根前部粗大的笔杆、USB笔座和专用的数字纸。它工作起来很简单:你只要在4英镑一本的专用纸上书写文字就可以了。笔杆上带有一个光传感器,它的功能类似于数字相机,可以在内存中储存你写出的字迹,当你把笔插到笔座上时,     

Microwindows触摸屏输入法的实现

利用Microwindows提供的Win32接口实现手写识别输入法.文章完成了Microwindows的移植和嵌入式平台界面的实现,通过使用Microwindows的Win32接口函数,在Microwindows下处理鼠标消息,编写Microwindows程序实现手写输入法.最后,将手写识别的技术与Microwindows结合,实现了Microwindows触摸屏输入法的人机界面,实际应用效果好.     

基于GA-BP神经网络的脱机手写藏文识别方法

通过对当前流行的各种识别技术进行分析比较,在对藏文手写体特征展开深入研究的基础上,考虑到将来的研究趋势及可扩展性,提出了一套基于手写藏文识别的技术方法,即基于GA—BP神经网络的藏文识别方案,并着重对手写藏文识别中的特征提取和分类器设计进行了分析,提出了藏文识别领域今后的发展方向。     

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。     

女书OCR设计与研究

目前国内的女书文字大多采用手写的方式保存。介绍了女书OCR技术,讨论了女书OCR的整体流程,具体包括二值化,文字分割,特征提取和文字识别等方法,最终实现了对手写女书文字的识别和存储。     

基于线性分类器的手写数字识别

线性分类器作为理解最简单表现最直观的算法之一,在众多更新更复杂的算法的涌现之后,依然在模式识别的应用中有一席之地,有被学习的必要。本文首先建立了一个完整的线性分类器进行手写数字识别,使用MATLAB的研究环境和MNIST的手写数据库样本。首先对于待识别的样本进行预处理,建立线性分类器,使用样本集进行训练并分类,再使用测试集得到其分类效果的数据。为了不同模式识别样本的性能,本文选取了K均值聚类,BP神经网络和SVM算法,分别建立了分类器后,使用相同的样本集进行训练并测试其性能,从识别速度和准确性进行比较。最后本文对不同算法的测试效果进行比较,总结,分析各个识别算法的优劣。建立用户界面直观反映各个分类器的优劣和使用效果。     

打造核心技术实现科技成果产业化

创新与发展 　　从八十年代中期开始,汉王率先开展了手写汉字识别研究与开发工作,并研发出第一套联机手写汉字识别在线装置,人们可在一块与计算机相连的手写板上写字,计算机实时采集人在手写板的书写轨迹,并把结果显示出来,这就是后来汉王笔的雏形,这一成果的推出引起了强烈反响.1997年,在中国科学院院士、自动化所研究员戴汝为理论与方法的指导下,经总裁刘迎建等一部分科技人员的共同努力下,使手写汉字识别输入系统不断提高,逐步形成较成熟的手写识别输入产品.并于1993年2月自筹资金30万元,成立北京中自智能系统公司,从此使产品走向市场.随着市场的发展,公司的成长壮大,1995年改名为北京中自汉王科技公司,1999年8月注册资金1000万元,成立北京汉王科技有限公司,为公司股份制改造奠定了基础.2001年与中科院自动化所明确了产权关系,正式签订了股份制改造协议,为公司进一步大发展铺平了道路.……     

打造核心技术实现科技成果产业化

创新与发展 从八十年代中期开始,汉王率先开展了手写汉字识别研究与开发工作,并研发出第一套联机手写汉字识别在线装置,人们可在一块与计算机相连的手写板上写字,计算机实时采集人在手写板的书写轨迹,并把结果显示出来,这就是后来汉王笔的雏形,这一成果的推出引起了强烈反响.1997年,在中国科学院院士、自动化所研究员戴汝为理论与方法的指导下,经总裁刘迎建等一部分科技人员的共同努力下,使手写汉字识别输入系统不断提高,逐步形成较成熟的手写识别输入产品.并于1993年2月自筹资金30万元,成立北京中自智能系统公司,从此使产品走向市场.随着市场的发展,公司的成长壮大,1995年改名为北京中自汉王科技公司,1999年8月注册资金1000万元,成立北京汉王科技有限公司,为公司股份制改造奠定了基础.2001年与中科院自动化所明确了产权关系,正式签订了股份制改造协议,为公司进一步大发展铺平了道路.