非限制性手写数字识别系统的研究及其应用

CASIA OpenIR > 毕业生 > 硕士学位论文

	非限制性手写数字识别系统的研究及其应用
	程晓群
	1992-03-01
学位类型	工学硕士
中文摘要	作者针对非限制性手写数字识别的实际应用与理论上的问题，分析了非限制性手写数字的结构特点和各种识别方法的可行性，从邮政编码分割、预处理、特征抽取、粗分类到细分类，在理论上和方法上做了一些研究，并在计算机上进行了实验，实现了一个非限制性手写数字识别的软件系统。完成的主要工作如下： 1．在邮政编码分割上，针对国内邮政编码书写格式提出一种与传统的光电转换方法不同的分割方法。 2．在预处理方面，提出了一种适合于阿拉伯数字的去噪声方法；对字符图形的细化作了两种方案的研究和实现。 3．在特征抽取方面，将特征点抽取和属性图相结合，对特征点定义了三种属性，其中对笔划拐点的抽取提出了两种基于高阶相对方向链码的算法；此外，还抽取了一组有效的综合统计特征——粗外围特征、笔划穿插次数特征。 4．在粗分类方面，从语义、句法模式识别观点，提出一种基于知识(或模型 (model))指导的有限状态的属性自动机，采用图式基元对模式进行描述，同时以模型为指导对特定数字字符模型设计特定的文法，在完成手写数字的粗分类的同时，完成特征向量的抽取。此外，以图式基元对模式进行描述的优势，将图论中的一些理论方法运用到属性文法中的函数参元中去。这种方法摒弃了用属性关系图的图同构和子图同构的搜索算法，避免了庞大的指数级计算复杂度，克服了属性关系图的畸变模型有局限性的缺点。有限状态属性文法是由设计者根据先验知识(或称模型)和经验作为基础来设计的，对千变万化的手写数字来说，畸变模型很多，设计者可以不断修改和增添知识库(或模型库)，对每一种典型的畸变模型设计一个有限状态属性文法及其相应的属性自动机。由于采用从下至上和从上至下相结合的控制策略，并在低层次引入知识指导，从而减少了高低层次的工作量，使不确定性也较小。 5．针对有限状态属性自动机输出为带有属性的基元弧串构成的数字特征具有结构信息和个数不等的性质，提出了一种将基元串合并，再分解为固定维数的方法，得到新的带属性的基元串。给出了一种具虿直观物理意义的属性距离表达式，完成了神经元网络学习系统的特征向量输入数据工作，给样本学习和分类带来了便利。学习算法采用基于认知模型的弱刺激萎缩学习算法。克服了以往 ARG中有结构畸变情况下距离求取方法不完善的缺点，避免了串匹配中用误差校正方法所带来的误差，同时也避免了用动态规划算法计算距离时的O(N
语种	中文
文献类型	学位论文
条目标识符	http://ir.ia.ac.cn/handle/173211/7024
专题	毕业生_硕士学位论文
推荐引用方式 GB/T 7714	程晓群. 非限制性手写数字识别系统的研究及其应用[D]. 中国科学院自动化研究所. 中国科学院自动化研究所,1992.