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。     

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。     

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。     

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。     

模式识别综述及汉字识别的原理

通过对模式识别系统的简要评述,对近年来几种基本的模式识别方法进行了总结,并对模式识别在汉字识别方面的应用原理作了介绍。     

虹膜识别技术发展概述

本文在回顾虹膜识别的研究背景基础上,对国内外虹膜识别方法的研究进展进行了综述,总结了存在的研究难点并提出了今后的发展方向。     

基于HMM的安多藏语非特定人孤立词语音识别研究

以VC＋＋6.0为开发平台,实现一个基于隐马尔可夫模型（Hidden Markov Model,简称HMM）非特定人的安多藏语孤立词语音识别系统。对有声段语音进行MFCC参数的提取,对提取后的MFCC参数进行矢量量化后训练HMM模型,形成特征模板库,最后进行识别。根据安多藏语的特点,改进端点检测的方法,提高了孤立词语音信号检测的准确性,并进一步提高了识别率。     

数字图书馆中基于机器学习的手写汉字识别的研究

介绍了一种基于机器学习的手写汉字识别方法。针对写汉字的特点，选择并提取了横竖笔划特征、用边特征、结构划分特征、分区特征点、黑点重量等作为分类特征。在分类策略中采取了先粗分类后细分类的多级分类方法．并将决策树算法ID3成功地应用到分类策略中，在识别中利用决策树引导特征提取。减少了特征提取的数量，从而大大提高了识别速度。     

基于MATLAB的指纹识别研究与实现

随着生物识别技术的发展,指纹识别技术因其唯一性和安全可靠性在现实中不断地被广泛使用,在身份识别应用中大有取代其他传统方式的趋势。本文以MATLAB作为仿真平台,充分利用MATLAB工具强大的绘图能力和多样而实用的工具箱的优点,对指纹识别系统设计图像进行了一系列的处理,最后通过实验对指纹图像的特征点进行提取。     

基于步态特征提取方法的研究

对步态识别的国内外研究现状进行了详细的论述;介绍了基于步态识别的身份识别过程,阐述了在步态识别各阶段用到的一些方法;对步态识别的下一步工作进行了探讨。     

面向新工科的模式识别课程教学改革研究

模式识别是物联网工程、数据科学与大数据技术等新工科专业一门重要的专业课。文章分析了模式识别课程实际教学过程中存在的问题——理论性太强、“填鸭式”教学盛行、考核方式单一,提出在教学内容、教学方法和考核方式三方面进行模式识别课程改革。     

基于特征矩阵的高效数字识别算法

传统的数字识别算法存在识别速度、识别准确率和识别方法复杂度三者无法兼顾的问题,为解决该问题,提出了基于特征矩阵的高效数字识别算法。该算法首先在预处理的基础上获取字符的特征矩阵,然后用特征矩阵对字符的特征横线、竖线等特征进行提取,最后利用结构语句识别的方法实现数字识别。实验结果表明,基于特征矩阵的高效数字识别算法思路简单、速度快,且识别率达97％以上。