用于脱机手写数字识别的隐马尔可夫模型

将隐马尔可夫模型 (HMM)用于脱机手写数字识别中 ,系统如何建模是一个值得研究的问题 在考虑手写数字自身特点及特征抽取的基础上 ,对HMM模型的训练方法及模型参数的选取进行了研究 ,以提高系统识别率 在银行票据OCR的应用中 ,与基于神经网络的方法结合使用 ,使得整张票据的拒识率降低了 3% ,明显提高了银行票据OCR系统的性能 .

一种手写汉字识别结果可信度的测定方法及应用

提出一种新的手写汉字识别结果可信度的测定方法 .该方法将各种识别结果的正确率作为测定识别结果可信度的绝对尺度 ,以各候选字的相对邻近度为基础定义了测定可信度的一种新的相对尺度 ,并将这两个绝对尺度和相对尺度相结合来全面测定可信度 .通过基于HCL2 0 0 0数据库的测试和在银行票据OCR系统中的实际应用 ,证明了这种方法的有效性 .

手写金融汉字识别中的可信度估计

由于实际票据中的手写金融汉字书写得并不规范,而且还会受到票据的背景底纹和印章等因素干扰,所以正确识别率很低.为了达到要求的识别精度,必须拒识大量样本,这样就限制了票据识别系统的自动处理率.本文提出一种基于支持向量机的可信度估计方法,其特点是针对每个文字类别,专门构造用于易混淆字判断与可信度估计的支持向量机.该方法充分利用了支持向量机在少量训练样本情况下对两类判断问题的学习能力,可以准确地估计可信度,从而在拒识较少样本的情况下达到要求的识别精度.

基于HMM的脱机手写数字识别中的特征提取

将HMM(Hidden Markov Model)用于手写数字脱机识别,特征提取是一个关键问题.本文首先提出一种新的FT(FourierTransform)特征提取方法一基于和差的一维FT特征,然后将其与另外几种特征进行组合,来提高系统性能,并对多种特征组合中出现的问题进行了研究.在银行票据OCR(Optical Character Reader)系统中的应用表明,本文提出的基于和差的一维FT特征提取方法及多特征组合的方法是有效的.