一种典型英文字符识别算法

设计了一种英文字符联机识别的典型方法,其基本原理为大量训练数据的统计判别。详细介绍了一级特征的抽取,一级特征库的建立等。该算法有相当的实用价值。

基于支持向量机的英文字符识别研究

图像识别是"大数据"时代的热门研究领域之一,而英文字符识别是图像识别领域重要的研究方向。对于手写数据的辨认在移动智能、刑侦、医学、考古学等诸多领域有广泛的应用,同时,国内在该领域的建模探索相对匮乏。文中使用机器学习领域的经典手写字符数据集,基于统计机器学习理论,建立英文字符识别的支持向量机(SVM)模型。鉴于国内外对于参数选择至今没有公认的方法,依据支持向量的个数、训练误差、测试误差作为评价指标,对惩罚参数C的选取进行探索并给出了在字符识别领域的推荐值。实证结果表明,对"变体"英文字母的识别准确率很高,且非常稳健,没有"过拟合"现象,说明支持向量机适用于处理字符识别问题。本质上,相比经典的二分类问题,文中是多分类支持向量机(multiclass classification support vector machine,M CSVM)应用的研究与探索。

基于BP网络的英文字符识别

本文利用BP神经网络针对英文字符识别的问题建立模型，通过建立英文字符的图像模板，并给模板赋值形成特征矩阵，最后在MATLAB环境下应用BP神经网络对英文字符进行分类识别，在识别的同时，通过对模板进行模糊处理后再次识别，并与先前识别的结果比较来验证该模型的鲁棒性。仿真表明，该模型能够比较有效地实现英文字符识别，为英文字符识别提供了一定的参考性.

基于动量BP神经网络的英文字符识别

英文字符识别已经广泛地应用于很多重要领域.已有的英文字符识别算法很多,一种典型的算法是BP神经网络算法.但是,BP神经网络算法有时不收敛,或陷入震荡.这就导致识别率下降.为此,本文研究了一种改进的称为动量BP神经网络算法用于英文字符识别.这种算法在BP神经网络算法的网络参数控制中添加一个动量系数和一个动量项.这样可以避免迭代的震荡,加快收敛速度.提高识别率.利用动量BP神经网络算法,对52个英文大小写字符进行了识别试验.实验结果表明,这种算法能获得满意的识别率.

英文光学字符识别的后处理

总结了英文光学字符识别 (OCR)系统中的常见错误类型 ,论证了使用拼写检查技术发现错误的可能性 .以最相似单词替换OCR的错误输出 ,从而达到改正错误的目的 .利用编辑距离实现词汇相似性评估 ,并用动态规划技术优化了编辑距离的计算 .试验结果证明该方法可以使OCR系统的单词识别率提高 6 2 5 % .

特征融合及相似度判据在英文识别中的应用

英文字符识别率依然有待提高,它是进一步改善英文文档识别性能的重要内容。文章通过大量的实验,选取穿越特征和网格特征作为英文字符的分类特征,并通过实验得到一组较优的加权因子将两种特征合并,实现特征融合。基于上述混合特征,利用图像相似性测度作为分类判据,实现了一个高性能的英文字符识别系统。