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。     

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。     

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。     

离线手写体汉字识别系统的研发

本文详细介绍了一款离线手写体汉字识别系统的设计过程,提出了如高宽比同投影相结合的切分算法、小波变换同双弹性网格相结合、基于关联规则的后处理等新的算法,一定程度上提高了系统的识别率。     

手写数字识别系统设计与实现

本文主要论述了手写体数字识别系统的设计方法。首先对待识别数字的预处理进行了介绍；并探讨了如何提取手写体数字的模板特征,描述了以模板匹配实现分类器的设计方法。     

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.     

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。     

规范手写体汉字的部首分割研究

本文在预处理的基础上提取出笔段特征,然后提取出部首,按照部首查字法的思想对部首和剩余的部分进行识别并给出最终的识别结果．在提取部首的时候对于对没有连笔的采用各静态分割的方法,对有连笔的提出基于笔段的的部首的动态组合算法。由于汉字切分成笔段以后连笔与不连笔没有太大的区别,所以能在一定程度上解决连笔这个手写体识别中的难点。     

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。     

浅谈基于深度相机的手势识别系统

随着计算机人机交互技术的发展,手势作为一种自然而直观的人际交流模式,手势识别也是实现新一代人机交互所不可缺少的一项关键技术。现代深度相机如Kinect、TOF等飞速发展,也促使人们对于基于深度相机的手势识别系统研究和应用的重视。文章主要介绍基于深度相机的手势识别系统方法及应用,讨论骨骼、深度图像等信息数据在识别系统中的开发和应用,最后简介深度信息的应用发展前景。     

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。     

车牌识别系统中图像分割与识别技术研究

分析了汽车牌照的几何特征和成像特点,提出基于自适应性阈值的搜索策略,对图像中的车牌进行定位;利用Hough变换对图像进行倾斜矫正;然后设计一个三级分类器,对单个字符进行模式匹配,得到识别结果,最终实现对原始车牌图像的识别。     

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。     

公共政策风险识别系统研究

公共政策是政府根据特定时期的目标,在对社会公共利益进行选择、综合、分配和落实的过程中所制定的行为准则。在公共政策的制定和执行过程中,存在着来自于政策系统内部以及外部环境的风险因素,从而影响公共政策的实施效果。在这种背景下,本文阐述的公共政策风险识别系统为进一步对公共政策过程的风险进行评价和控制奠定了基础。     

我国模式识别领域的开拓者——记模式识别与知识工程专家戴汝为

1992年6月底,在巴基斯坦名城伊斯兰堡附近美丽的风景区参加第17届NathiagaliSummer College 讲习班的世界各国的科学家,正在聆听一位来自中国的学者的报告.这位学者就是中国科学院学部委员、自动化研究所研究员戴汝为,报告的题目是“人工神经网络及其在手写体汉字中之应用”.     

数字经济背景下大学生创业机会识别能力研究

数字经济的发展为大学生创业提供了一个更加广阔的平台。作为创业活动的起点和核心环节,创业机会识别贯穿整个创业过程,是决定创业能否成功的关键。在厘清数字经济背景下大学生创业机会识别的内涵后,文章探讨了数字经济发展对大学生创业机会识别的影响,并剖析了大学生在创业机会识别过程中存在的问题。最后,提出了相应的建议,以帮助大学生培养数字经济背景下创业机会识别的能力。