手写体汉字机器识别技术的现状分析

手写体汉字机器识别技术的研究不仅具有重要的理论研究价值, 而且具有广阔的应用前景。本文介绍了手写体汉字识别技术的原理、研究历史及技术困难, 综合分析了当前国内外主要识别方法及其特点, 展望了该技术今后的发展方向     

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.本文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.     

基于BP神经网络的手写体识别方法研究

基于一种改进结构的BP神经网络,探讨了神经网络应用于手写体文字识别的方法。除了对网络结构的改进外,还对网络的学习算法进行了改进,并应用进化计算理论,遗传算法与BP算法,提高了网络的训练速度和识别效果。     

手写体汉字识别笔画提取方法的研究

由于手写体汉字的复杂性,目前手写体汉字识别正确率不高。笔者提出在拐点提取方法上以像素跟踪法辅助最大距离法,在笔段合并中只考虑与交叉点相连的笔段,并提出具体算法,该方法可以有效克服拐点遗漏,笔段合并错误的弊端,使拐点的遗漏率大大降低,笔段合并正确率有较大改进,汉字识别正确率达到90%。     

基于智能结构模型的手写体汉字识别方法研究

从智能控制与特征建模方法入手提出一种手写体汉字识别系统结构模型,仿人思维模式将复杂任务系统分解为决策、执行两层.综合目前常用的手写体汉字识别方法特点,针对不同特征汉字采用合适的识别方法,并通过广义误差对识别结果进行反馈,达到校正的目的,实验证明该结构方法有效.     

汉字笔顺识别的算法与实现

提出了一种点阵汉字的笔顺字模的描述方法以及基于这种描述方法的汉字笔顺识别的算法和实现。     

神经-模糊技术在相似汉字识别中的应用

人工神经网络和模糊逻辑作为一种创建计算智能系统的有效方法，在处理不确定问题时，显示了独特的优势，将神经-模糊技术引入手写体相似汉字的识别领域，并用MATLAB软件进行计算机模拟．实验结果表明，采用神经．模糊技术和统计模型方法相比对相似汉字的平均识别率提高了约4个百分点。     

基于投影与结构信息的汉字手写体分割

手写体汉字识别是有着广泛应用的研究领域，非限定手写体汉字串由于大量存在笔画嵌入、粘连等现象，将单字从串中分离开就成为字识别的前提。本文以投影法为基础，有效利用字间距和汉字本身固有的结构信息对手写体汉字进行分割。本文提到的方法在银行票据，邮件等签字认定等领域有着广泛的应用。     

基于遗传-BP神经网络的手写数字识别

简要介绍了遗传算法和BP算法,并结合手写数字识别的实际应用,提出了手写数字识别的遗传神经网络算法。实验表明,多种算法综合使用比单独使用一种算法得到的图像识别率要高。     

基于Haar-Lbp特征和粒子群神经网络的人耳识别

在分析人耳Haar和Lbp特征的基础上,提出了一种基于神经网络和人耳Haar-Lbp特征对人耳进行识别的方法.文中选取了人耳图像的Haar和Lbp双特征值作为神经网络的训练样本,并尝试利用粒子群优化算法与BP结合算法训练网络.仿真结果表明,文中提出的方法取得较好的效果.     

基于蚁群算法的仿生模式识别神经网络构造方法

仿生模式识别神经网络（BPRNN）同传统BP、RBF神经网络相比具有更好的模式识别能力;训练样本库变更后网络的重新训练时间更小,但该网络构造过程中样本覆盖几何体参数的选择对网络识别率和复杂度有很大影响.本文通过引入蚁群算法来构造并优化网络参数,实验证明该算法法能较好的平衡网络性能和复杂度.     

基于模糊神经网络PID的无刷直流电机控制系统研究

针对传统PID控制在无刷直流电机控制系统中达不到良好的控制效果的问题,在无刷直流电机的数学模型基础之上,设计一种模糊神经网络自适应PID控制器,该控制器利用模糊控制非线性控制作用和BP神经网络的学习能力及适应能力相结合对PID参数进行在线实时调整。对基于模糊神经网络自适应PID控制器的无刷直流电机的双闭环控制系统进行仿真实验,实验结果表明,可以提高控制系统的响应速度,减小超调量,对负载及电机参数的变化都有较强的鲁棒性。     

基于人工神经网络BP算法的黄冈市房价预测

利用2003年至2010年黄冈市区人均地区生产总值、房地产开发投资、城镇居民人均住房使用面积等相关数据,根据人工神经网络BP算法,预测出2011年和2012年黄冈市区房价,与已经公布的这两年房价数据比较,符合预期误差范围。在此基础上,预测出2013年的房价,可以看出黄冈市区房价总体保持增长趋势,结合预测结果,给出合理化的解释。     

基于MATLAB和BP网络的公路软基沉降量预测模型

人工神经网络具有强大的非线性映射能力,文章利用BP神经网络建立了公路软土地基沉降量预测模型,并用MATLAB人工神经网络工具箱进行了实现。根据实测资料,对此预测模型进行训练和预测,试验表明,预测模型具有较好的预测精度,操作简单,具有广阔的工程应用前景。