基于小波分析及改进二次鉴别函数的民族文种识别

为了能够对文档中的少数民族文字种类进行正确地识别分类,提出一种基于小波分析与改进的二次分类函数(MQDF)的少数民族文字种类识别方法。该方法采用多辨识小波分解,从而获得小波能量和小波能量比例分布的特征描述,利用MQDF分类器对少数民族文种进行识别。构建藏文、西双版纳傣文、纳西象形文、维吾尔文、德宏傣文和彝文6种常用的少数民族文字及汉字、英语共8种文字的样本库,采用该方法对少数民族的样本库进行了进行训练和测试。实验结果显示,该方法在多层小波分解的情况下,对于少数民族文种识别的精度好于传统的贝叶斯和KNN。

用于手写汉字识别的级联MQDF分类器

针对非限制脱机手写体汉字识别率不高的问题,该文提出了一种级联MQDF(改进的二次分类函数)分类器,以提高识别正确率。它是一种基于串行结构的分类器集成算法,并在度量层次对各级分类器结果进行融合。广义置信度被用作评价识别结果好坏的度量。该算法分级构建多个Gauss模型,实现对样本分布精细的描述,达到提高识别率的目的。该文利用最大似然框架论述了该集成算法的工作原理。用该算法在HCL2000及THOCR-HCD手写体汉字数据库上进行试验,识别错误率分别下降了10.75%、9.82%和25.31%,证明了算法的有效性。