多字体字符识别的分级协同模型

提出了一种用于多字体字符识别的分级协同神经网络模型 .该分级模型的识别由两部分组成 :Haken的协同网络确定识别进入哪个协同子网 ;用协同子网进行具体识别 .对大量实际采集得到的多字体字符样本的测试表明 :新模型能有效地提高协同神经网络对多字体字符的识别率 ,但由于仍保留了识别速度快的特点 ,所以新模型适用于实时的光学字符识别应用 .对加噪字符的识别试验表明该模型具有很好的鲁棒性 .

多字体字符识别的协同模型

提出了一种新的用于多字体字符识别的神经网络模型一协同模型，同时提出了一种新的迭代的协同学习算法，该算法将误识率最高的模式的误识样本作为反馈量来修正原型模式．对大量实际采集所得的多字体字符样本的测试表明，该模型能对训练样本集取得１００％的识别率，对多字体字符测试样本的识别也能取得很高的识别率（９８．２％），而且识别速度很快，适用于实时的ＯＣＲ应用．另外，对加噪字符的识别试验表明该模型具有很好的鲁棒性．

多字体字符识别的模糊神经网络模型

提出了一种用于多字体字符识别的模糊神经网络模型．通过对一个３ 层ＭＬＰ的输入层、输出层以及学习算法的模糊化，构造出能有效处理具有模糊边界的模式分类问题的模糊神经网络．经过大量实际采样多字体字符样本的测试表明，该模型能对字体字符识别取得很高的识别率，对加噪字符的识别试验还表明该模型具有较好的鲁棒性．