图文文档摹本识别的一种统计方法

提出了一种使用聚类分析对批量到达的图文文档进行摹本识别的方法.首先把已读入计算机的单页图文文档转换为单色位图.给出若干互不相交的同心圆盘(圆盘的中心按页的边缘计算),计算出各轴像素密度(各圆环内"on"象素的个数)作为图形的特征向量.在页面的特征向量之间,建立一种距离,再进行聚类分析以识别文档的摹本.对从网下载的批量图形文档利用MATLAB进行多次仿真实验结果,单页文档的正确识别率达到了85%～98%

批量图文文档的摹本识别

基于数据库的图文文档的摹本识别是办公自动化的一个重要研究内容。文章利用多元统计中的聚类分析 ,提出了一种对批量到达的图文文档进行摹本识别的方法。该方法首先把已读入计算机的单页图文文档转换为单色位图 ,给出若干互不相交的同心圆盘 (圆盘的中心按页的边缘计算 ) ,计算出各轴像素密度 (各圆环内“on”象素的个数 )作为图形的特征向量。在页面的特征向量之间建立一种距离 ,再进行聚类分析以识别文档的摹本。通过对从网上下载的批量图形文档利用 MATL AB进行多次仿真实验 ,单页文档的正确分类率达到了 85%～ 98%。