汉字识别技术的发展及应用前景

从学科上来说,汉字识别属于模式识别与图像处理的范畴,还涉及到人工智能、形式语言与自动机、统计决策理论、模糊数学、信息论、语言文字学、计算机科学等学科,是一门综合性技术科学。由于汉字的个数很多,汉字识别是最困难的一种文字识别,它常常被看作有意义的多类模式识别研究课题。汉字识别的基本过程包括汉字输入、预处理、特     

基于多种方法的声音分类

声音模式识别,主要是利用信号处理的方法手段,对信号进行分析,提取频域、时域、幅域特征,对这些特征进行统计分类,应用数学方法,设计合理的分类器．达到分类识别的目的。文中选择了一些方法来解决声音正确分类的问题。     

基于类集和类对的有监督流形学习的肺结节分类

维数简约是肺结节分类识别问题中的关键步骤,现有的方法中都是将所有类别的数据作为一个整体进行降维,忽略了不同类别数据之间在特征子集上的差异性。本文提出了一种将类集和类对相结合的有监督流形特征抽取思想,并将之应用于肺结节的分类中,最终形成一个基于CT影像的肺结节分类系统。实验结果表明了方法的有效性。     

模糊模式识别的理论及应用研究

运用模糊数学的概念和方法对具有模糊性的观测结果进行处理和识别,构成了模糊模式识别的基本内容。本课题着重研究瞬态模糊模式识别、连续语音模糊识别、视觉识别、遥感图象高精度分类等,旨在提供新的识别方法,开辟新的研究途径,为上述一批模式识别问题勾画出一新的实用化理论框架。作为一门交叉学科,它的突破对人工智能、自动控制、信号处理等研究领域都有很大的推动作用,对机器智能问题的解决具有重要的理论和实际意义,在军事上和国民经济建设中都会有广泛的应用前景。本课题是国家自然科学基金委员会重大项目“模糊信息处理与机器智能”的课题之一。本文介绍了本课题实施近二年半来取得的成果和今后的研究计划。     

印刷体汉字识别技术

论述了印刷体汉字识别的原理和预处理、特征抽取与分析、单字识别后处理过程 ;着重分析了统计模式识别方法、结构模式识别方法、统计模式识别与结构模式识别相结合的方法、神经网络方法等多种汉字识别的技术 ;阐明了汉字识别技术研究今后发展的方向。     

基于关联维度特征的改进水下目标模式识别方法

有效进行水下目标识别中,提取目标特征是其关键。对水下目标识别的相关研究能够为水中兵器智能化攻击提供理论依据。为此,提出一种基于关联维度特征的改进水下目标模式识别方法在论述了混沌的定义和特征的基础上,研究了关联维数这一重要混沌特征量的计算方法,对关联维数的算法进行改进,提高了运算速度和精度。仿真实验中以实测水下目标辐射噪声数据为载体,提取了水下目标辐射噪声的关联维数混沌特征,结果表明通过提取关联维数混沌特征的方法能有效分类识别。     

高维缺失数据的统计推断理论和方法研究

<正>1创新点为突破大数据分析瓶颈,项目围绕大数据中的高维缺失数据分析的关键科学问题,开展统计推断理论和方法研究,提出筛选特征和插补缺失数据的新方法,取得一系列突破性研究成果,其主要创新点如下：一是针对大数据的超高维问题,提出筛选特征的新方法。对大数据中的超高维异质属性数据,通过定义与属性水平相关的哑变量,提出不依赖于模型假设筛选特征的分类自适应法,可直接用于属性响应变量有偏抽样数据的特征筛选,     

基于变压器故障分类的DGA特征提取

文章从模式识别的角度出发,提出在应用DGA对电力变压器进行故障诊断的过程中,若能针对具体的分类模式,提取出能够区别不同类别模式的"选择性"的信息,将有利于提高诊断效果;对放电与过热故障的气体特征、电路过热与磁路过热故障的气体特征进行选择和测试,表明根据不同的分类模式进行气体特征提取对提高故障识别效果将是有益的.     

融合上下文特征和BERT词嵌入的新闻标题分类研究

【目的/意义】随着社交媒体的发展,各类新闻数量激增,舆情监测处理越来越重要,高效精确的识别舆情新 闻可以帮助有关部门及时搜集跟踪突发事件信息并处理,减小舆论对社会的影响。本文提出一种融合 BERT、 TEXTCNN、BILSTM的新闻标题文本分类模型,充分考虑词嵌入信息、文本特征和上下文信息,以提高新闻标题类 别识别的准确率。【方法/过程】将使用BERT生成的新闻标题文本向量输入到TEXTCNN提取特征,将TEXTCNN 的结果输入到 BILSTM 捕获新闻标题上下文信息,利用 softmax判断分类结果。【结果/结论】研究表明,本文提出的 融合了基于语言模型的 BERT、基于词向量 TEXTCNN 和基于上下文机制 BILSTM 三种算法的分类模型在准确 率、精确率、召回率和F1值均达到了0.92以上,而且具有良好的泛化能力,优于传统的文本分类模型。【创新/局限】 本文使用BERT进行词嵌入,同时进行特征提取和捕获上下文语义,模型识别新闻类别表现良好,但模型参数较多 向量维度较大对训练设备要求较高,同时数据类别只有10类,未对类别更多或类别更细化的数据进行实验。     

车牌汉字识别方法研究

汉字识别属于模式识别的范畴。通常的汉字识别方法可分为两类：一是基于汉字结构（笔画特征）的结构识别;一是基于汉字统计特征的统计识别。但他们各有优缺点。本文主要探讨了目前主要的车牌汉字识别方法,为汉字识别的实际应用打下基础。     

车牌汉字识别方法研究

汉字识别属于模式识别的范畴。通常的汉字识别方法可分为两类：一是基于汉字结构（笔画特征）的结构识别;一是基于汉字统计特征的统计识别。但他们各有优缺点。本文主要探讨了目前主要的车牌汉字识别方法,为汉字识别的实际应用打下基础。     

统计模式识别在汉字识别中的应用

汉字识别是模式领域最富挑战性又极具应用前景的研究课题之一。本文分析了汉字识别技术的识别原理,介绍了汉字识别中统计模式识别的特征种类和识别方法。     

基于随机森林的变压器局部放电模式识别

针对目前在局部放电模式识别领域中常用的分类器算法的缺陷,本文研究随机森林(random forest,RF)算法在局部电放模式识别领域的应用。首先对局部放电试验数据提取统计特征量,构建放电的学习样本。利用十折法对算法分类性能进行评判,并比较常见分类算法BP神经网络、支持向量机(support vector machine,SVM))、KNN、分类回归树算法(classification and regression tree,CART)以及RF算法的识别准确率。结果表明:利用RF算法构建放电模式分类器的识别准确率最高。此外,利用组成RF的基分类算法CART可分析不同放电模式间的主要区别。     

常用通信信号的调制方式识别研究

作为信息的媒介,信号可以在有线信道中国传输,但是却无法通过无线信道传输。所以,想要让信号在无线信道中传输就必然要使用到调制解调技术进行调制,涉及到很多复杂因素的通信信号调制方式的识别,是一种比较典型的识别模式。现代通信的技术的发展,导致信号的调制样式变得多种多样,我们在日常生活中的需要已经无法通过常规的识别方法被满足,新的通信信号识别研究面临了一个重大的问题。以统计模式识别方法和决策模式识别方法为例,对他们的优缺点进行论述,简单地介绍了共信道多信号和非理想信道的调制方式识别。     

基于二维主成分分析方法的人脸识别

由于人脸姿态、光照和表情等各方面的显著差别,使人脸识别成为非常具有挑战性的模式识别问题.主成分分析是模式识别技术中经典的特征抽取和降维技术之一.使用二维主成分分析方法(2D PCA)实现了人脸识别,传统的主成分分析方法(PCA)把图像矩阵转换成列向量进行处理,从而丢失了一部分特征信息,并且使协方差矩阵的维数很高、计算量很大;2D PCA直接在图像矩阵上进行处理,充分利用了样本类别的差异,大大减少了计算量.在ORL人脸库上利用2D PCA方法进行实验,实验结果表明2D PCA优于PCA.     

基于FCM-Fisher判别分析的难采储量分类

目前储量的分类标准要求所有指标值符合既定的指标范围,否则难以划分储量类别.为克服这一问题,结合模糊C均值法和Fisher判别分析法实现难采储量的分类.首先基于效益指标运用模糊C均值算法自动搜索储量的最佳类别,再利用Fisher判别分析法建立储量效益指标类别与储量属性指标的关系式.在已知储量指标值的情况下,通过此关系式即可判别储量的类别.最后以大庆某油田为实例,对其难采储量进行分类,有效指导难采储量滚动开发决策.     

开放领域新闻中基于自适应决策边界的突发事件识别和分类研究

[目的/意义]网络新闻是获取突发事件情报的重要来源之一,提高海量网络新闻中突发事件的识别准确率和分类效果,并减少非突发事件新闻造成的开放集识别问题和降低人工标注非突发事件新闻的成本,这是当前突发事件识别与分类研究的重要课题。[方法/过程]选择BERT预训练模型获得文本的特征表示,融合不同层级之间的语义信息增强文本表示的质量,采用自适应决策边界模型,学习各突发事件类别在高维语义表示空间上的球形最佳决策边界,根据新闻样本的文本表示和各突发事件类别的球形最佳决策边界的欧几里得距离,检测出突发事件新闻并判断突发事件的类别,并在CEC公开数据集和实时爬取的中文新闻数据集CEN上对模型的有效性进行验证。[结果/结论]实验结果表明,本文模型在CEC数据集和CEN数据集上的宏F1值分别为98.46%和95.80%,与基准模型相比,本文模型的宏F1值分别提升了5.15%和19.69%。模型应用展示了提出方法在解决实际问题时的有效性。[局限]未考虑突发事件新闻可能存在多标签的情况。     

赤子笃实 勇于开拓——记北京航空航天大学计算机学院教授百晓

正人类具有很强的识别能力,从婴幼儿时期,我们就开始识别不同的声音、不同的事物、不同的场景等。这样的能力也可以在其他生物中被发现:猫可以知道回家的路,狗能够识别主人的脚印,蜜蜂会发现它要采蜜的花……而学习人类(或其他生物系统)在所处环境中发现、区别和找出特征从而标识出观察结果的本领就是模式识别。     

中文文本分类中一种基于语义的特征降维方法

文本提出了一种基于语义的特征降维方法。通过依存关系抽取实现一次降维;通过计算类别和依存关系特征项的语义相似度,结合互信息方法进行特征选择实现二次降维。对中文文本分类的实验结果表明,提出的特征降维方法具有较好的分类效果。     

强鲁棒性小方差类间类内特征文本数据分类

提出一种基于改进TFIDF算法的海量文本分类识别方法,将特征之间的信息熵与特征内信息熵作为文本分类识别的加权因子,采用神经网络的非线性映射能力实现权值计算和TFIDF算法的模糊化,从而解决文本分类不准确和海量文本的分类问题。采用5个类别文档,每个类别5个文档,3个特征项来进行实际试验验证,结果表明,改进的TFIDF算法能够更好的实现文本识别分类,具有更小的方差特性,对随机文本分布具有更强的鲁棒性,收敛速度更快,具有很好的应用价值。