基于统计特征的数学公式抽取方法的研究

在分析公式特征的基础上,提出了一种将Parezen窗和Bayes分类规则相结合的公式抽取方法。对于孤立式公式采用改进后的Parzen窗方法将其从文档中抽取出来,对于内嵌公式通过Bayes分类规则将其从文本行中抽取出来。实验表明,这种抽取方法对中文文档具有较好的适应性和较高的成功率。

基于Parzen窗的印刷文档数学公式抽取的研究

数学公式抽取是公式识别的首要步骤,目前相关的研究还很欠缺。针对印刷文档中数学公式的抽取展开了研究,提出了一种Parzen窗和启发式规则相结合的公式抽取方法。对于孤立式公式采用Parzen窗方法将其从文档中抽取出来,对于嵌入式公式采用启发式规则将其从文本行中抽取出来。实验表明,这两种抽取方法的结合取得了较好的效果。

基于神经网络的印刷体数学公式抽取方法

在分析中文印刷文档版式及字符特征的基础上,提出了一种将决策树与BP神经网络相结合的数学公式抽取方法。采用决策树方法将孤立公式从文档中抽取出来,采用BP神经网络方法定位内嵌公式。实验表明,该抽取方法对中文文档的公式抽取具有较高的正确率、容错率和速率。

印刷文档中数学公式抽取的研究

数学公式抽取是公式识别的首要步骤,目前相关的研究还很欠缺.针对印刷文档中数学公式的抽取展开了研究,对于印刷文档中的孤立式公式采用Parzen窗方法将其从文档中抽取出来.实验表明,这种方法能够取得较好的效果.