模式识别与人工智能
模式識彆與人工智能
모식식별여인공지능
Moshi Shibie yu Rengong Zhineng
2012年
6期
979-986
,共8页
玛依热·依布拉音%张恒%刘成林%艾斯卡尔·艾木都拉
瑪依熱·依佈拉音%張恆%劉成林%艾斯卡爾·艾木都拉
마의열·의포랍음%장항%류성림%애사잡이·애목도랍
联机手写识别%维吾尔文字母%归一化%特征提取%分类器
聯機手寫識彆%維吾爾文字母%歸一化%特徵提取%分類器
련궤수사식별%유오이문자모%귀일화%특정제취%분류기
通过分析维吾尔文字母自身的结构和书写特点,提出一种联机手写维吾尔文字母识别方案,并选择在手写汉字识别技术中所提出来的归一化、特征提取及常用的分类方法,从中找出最佳的技术选择.在实验对比中,采用8种不同的归一化预处理方法,基于坐标归一化的特征提取(NCFE)方法,以及改进的二次分类函数(MQDF)、判别学习型二次判别函数(DLQDF)、学习矢量量化(LVQ)、支持向量机(SVM)4种分类器.同时,再考虑字符在文档中的空间几何特征,进一步提高识别性能.在128个维吾尔文字母类别、38400个测试样本的实验中,正确识别率最高达89.08％,为进一步研究面向维吾尔文字母特性的识别技术奠定重要基础.
通過分析維吾爾文字母自身的結構和書寫特點,提齣一種聯機手寫維吾爾文字母識彆方案,併選擇在手寫漢字識彆技術中所提齣來的歸一化、特徵提取及常用的分類方法,從中找齣最佳的技術選擇.在實驗對比中,採用8種不同的歸一化預處理方法,基于坐標歸一化的特徵提取(NCFE)方法,以及改進的二次分類函數(MQDF)、判彆學習型二次判彆函數(DLQDF)、學習矢量量化(LVQ)、支持嚮量機(SVM)4種分類器.同時,再攷慮字符在文檔中的空間幾何特徵,進一步提高識彆性能.在128箇維吾爾文字母類彆、38400箇測試樣本的實驗中,正確識彆率最高達89.08％,為進一步研究麵嚮維吾爾文字母特性的識彆技術奠定重要基礎.
통과분석유오이문자모자신적결구화서사특점,제출일충련궤수사유오이문자모식별방안,병선택재수사한자식별기술중소제출래적귀일화、특정제취급상용적분류방법,종중조출최가적기술선택.재실험대비중,채용8충불동적귀일화예처리방법,기우좌표귀일화적특정제취(NCFE)방법,이급개진적이차분류함수(MQDF)、판별학습형이차판별함수(DLQDF)、학습시량양화(LVQ)、지지향량궤(SVM)4충분류기.동시,재고필자부재문당중적공간궤하특정,진일보제고식별성능.재128개유오이문자모유별、38400개측시양본적실험중,정학식별솔최고체89.08％,위진일보연구면향유오이문자모특성적식별기술전정중요기출.
