基于SVM的脱机手写汉字机器学习识别方法研究

被引：27

作者：

王建平

陈军

徐晓冰

王熹徽

机构：

[1] 合肥工业大学电气与自动化工程学院

来源：

计算机技术与发展 | 2006年 / 10期

关键词：

支持向量机; 脱机手写汉字体汉字; 模糊统计特征; 汉字识别;

D O I：

暂无

中图分类号：

TP181 [自动推理、机器学习]; TP391.41 [];

学科分类号：

140502 [人工智能];

摘要：

提出了一种模糊统计方法的脱机手写体汉字特征提取方法,结合小波网格方法和汉字笔画密度特征方法对汉字进行特征提取,并运用支持向量机方法,通过机器学习对脱机手写汉字识别。仿真实验表明,支持向量机方法在脱机手写汉字识别中有良好的识别性能及模糊统计方法是有效的。

引用

页码：104 / 107

页数：4

共 7 条

[1]

小波和神经网络模式识别技术及其在车牌识别中的应用 [D].

王志红 .

合肥工业大学,

2003

[2]

模式识别.[M].[美]J.P.MarquesdeSa著;吴逸飞译;.清华大学出版社.2002,

[3]

用于车牌字符识别的SVM算法 [J].

王晓光 ;

王群 .

现代电子技术, 2004, (08) :8-10

[4]

支持向量机的研究现状 [J].

柳回春 ;

马树元 .

中国图象图形学报, 2002, (06)

[5]

关于统计学习理论与支持向量机 [J].

张学工 .

自动化学报, 2000, (01)

[6]

一种手写体汉字特征提取新方法——小波变换及弹性网格技术的应用 [J].

金连文 ;

彭秀兰 ;

尹俊勋 .

中国图象图形学报, 1998, (07)

[7]

汉字识别技术综述 [J].

张当中 .

语言文字应用, 1997, (02)

← 1 →