-
题名基于SVM的脱机手写汉字机器学习识别方法研究
被引量：6
- 1
-
-
作者
王建平
陈军
徐晓冰
王熹徽
-
机构
合肥工业大学电气与自动化工程学院
-
出处
《计算机技术与发展》
2006年第10期104-107,共4页
-
文摘
提出了一种模糊统计方法的脱机手写体汉字特征提取方法,结合小波网格方法和汉字笔画密度特征方法对汉字进行特征提取,并运用支持向量机方法,通过机器学习对脱机手写汉字识别。仿真实验表明,支持向量机方法在脱机手写汉字识别中有良好的识别性能及模糊统计方法是有效的。
-
关键词
支持向量机
脱机手写汉字体汉字
模糊统计特征
汉字识别
-
Keywords
SVM
off- line handwritten chinese characters
fuzzy statistic feature
chinese characters recognition
-
分类号
TP182
[自动化与计算机技术—控制理论与控制工程]
-
-
题名手写体汉字识别的二叉树SVM算法研究
被引量：4
- 2
-
-
作者
朱程辉
项思俊
-
机构
合肥工业大学电气与自动化工程学院
-
出处
《计算机技术与发展》
2009年第9期42-45,共4页
-
基金
国家实验教学示范中心项目(411101)
-
文摘
脱机手写体汉字识别具有重要的理论意义和实践价值,目前在小字符集方面取得了比较好的效果。对大字符集来说,仍在进行研究。为了解决大字符集的手写体汉字识别问题,一般采用多层分类的方法。根据汉字的繁简和字型结构,构造了五级的二叉树SVM模型进行汉字集的粗分类,给出了模型的构造方法。在每级分类识别当中,采用不同的汉字特征和核函数,利用"one-against-rest"算法进行细分类识别。仿真实验表明,该方法能对手写体汉字分级分类识别,具有较高的识别率。
-
关键词
脱机手写体汉字
二叉树
支持向量机
多分类
-
Keywords
off- line handwritten chinese characters
binary tree
SVM
multi- classification
-
分类号
TP391.43
[自动化与计算机技术—计算机应用技术]
-
-
题名基于FSVM脱机手写体汉字分类识别研究
被引量：2
- 3
-
-
作者
朱程辉
甘恒
王建平
-
机构
合肥工业大学电气与自动化工程学院
-
出处
《计算机工程与应用》
CSCD
2014年第23期189-193,共5页
-
基金
国家实验教学示范中心项目(No.411101)
-
文摘
针对脱机手写体汉字特点,给出一种采用模糊支持向量机粗分类的方法。根据小波分解像素密度特征,利用模糊支持向量机对汉字进行粗分类。细分类识别提取外围特征,同时融合小波多网格特征,采用一对多算法进行细识别。仿真实验表明,该方法有较高识别率。
-
关键词
脱机手写体汉字
模糊支持向量机
像素密度
小波
-
Keywords
off-line handwritten chinese characters
Fuzzy Support Vector Machine （FSVM）
pixel density
wavelet
-
分类号
TP391.43
[自动化与计算机技术—计算机应用技术]
-
-
题名基于反馈知识迁移的脱机手写体汉字识别方法
被引量：1
- 4
-
-
作者
朱程辉
沈飞
王建平
孙伟
-
机构
合肥工业大学电气与自动化工程学院
-
出处
《传感器与微系统》
CSCD
2020年第5期30-33,40,共5页
-
基金
国家自然科学基金资助项目(51877060)。
-
文摘
针对卷积神经网络识别脱机手写体汉字时出现的梯度弥散问题,提出一种基于反馈知识迁移的识别方法。将卷积神经网络分解为主网络与若干子网络,使网络参数转移到低层数网络中。按字型结构分割脱机手写体汉字送入子网络中训练,再使用知识迁移将多个子网络的知识迁移到主网络中,结合反馈理论自适应调节子网络权重系数,实现对网络整体的知识整合。仿真实验表明:本文方法有效缓解了梯度弥散现象,具有较高的识别率。
-
关键词
脱机手写体汉字
梯度弥散现象
知识迁移
反馈
权重系数
-
Keywords
off-line handwritten chinese characters
gradient vanishing phenomenon
knowledge-transfer
feedback
weight coefficient
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名一种不确定性二叉树SVM的脱机手写体汉字识别研究
- 5
-
-
作者
范程华
徐小丽
蒋先伟
鲁世斌
-
机构
合肥师范学院电子信息工程学院
-
出处
《安庆师范学院学报（自然科学版）》
2013年第1期42-47,共6页
-
基金
安徽省高校省级自然科学研究项目(KJ2013A218)
安徽省高校省级优秀青年人才基金项目(2011SQR130)
合肥师范学院重点科研基地项目(2012jd14)资助
-
文摘
针对脱机手写体汉字特征复杂和类别多样的特点,基于SVM数学模型,采用了一种不确定性二叉树与SVM相结合的分类识别方法设计了一种多类分类器,该设计方法在保证识别准确率的情况下大大减少了支持向量机的数量,简化了二叉树模型,能快速辨识并删除多余的枝节,并具有一定的容错率,加快了辨识速度。实验结果表明,采用不确定性二叉树SVM设计的多类分类器有效地降低了拒识率和漏识率,保证了识别的准确率,提高了识别速度。
-
关键词
脱机手写体汉字
不确定性二叉树
支持向量机
-
Keywords
off - line handwritten chinese characters, binary tree, support vector machine, dynamic algorithm
-
分类号
TP391.43
[自动化与计算机技术—计算机应用技术]
-
-
题名一种脱机手写体汉字识别的容错编码方法研究
被引量：4
- 6
-
-
作者
王建平
赵丽欣
王金玲
-
机构
合肥工业大学电气及自动化工程学院
-
出处
《中国图象图形学报》
CSCD
北大核心
2007年第12期2169-2178,共10页
-
文摘
手写体汉字识别是字符识别领域中的难点。为了使机器识别汉字适应于手写体汉字的变形等因素,基于人类认识汉字的容错机理,提出了一种用于机器识字的汉字容错编码方法,以提高手写体汉字识别率。该编码方法首先对横竖撇捺笔划形态给出了模糊化表示;然后定义了仿人拆字的字元集,并给出了易混淆笔划字元的多归类容错编码;接着给出了笔划字元的顺序判断规则和归结了36类简单常用字的部首子结构,并给出冗余的容错编码;进而建立了仿人构字的汉字编码规则和具有容错性的多模板字典,并对《新华字典》中收录的10000余个单字汉字进行了标准编码,重码率为0.48%;最后对HCCORG和NKIM手写体汉字库中的100个手写体汉字进行了仿真识别,识别正确率为96%。试验结果表明,这种编码方法可生成多模板字典,不仅对手写体汉字变形具有较好的容错性,且重码率和误识率较低。
-
关键词
脱机手写体汉字识别
容错编码
字元集
笔划顺序
子结构
-
Keywords
off-line handwritten chinese characters recognition, bearable mistakes code, elements groups, stroke sequence, subsidiary configurations
-
分类号
TP391.43
[自动化与计算机技术—计算机应用技术]
-
