基于SVM的几种汉字特征提取法比较研究

被引:2
作者
肖斌
黄襄念
机构
[1] 西华大学数学与计算机学院
关键词
手写体汉字识别; 网格方向特征提取; 支持向量机;
D O I
暂无
中图分类号
H12 [文字学];
学科分类号
0501 ; 050103 ;
摘要
阐述了边缘法、骨架法以及笔画法的方向特征提取算法的基本思想以及支持向量机(SVM)基本原理,采用SVM对所述特征提取技术分别得到的特征样本进行分别识别,正确识别率都达到90%以上。然后在时间效率、识别率以及汉字书写风格对特征提取算法的影响三方面的的对比分析基础上,得出笔画特征提取法是本文所述几种特征提取方法中时间效率最高(平均识别时间1.54ms),正确识别率最高(达96.6%)的特征提取方法。
引用
收藏
页码:70 / 74
页数:5
相关论文
共 6 条
[1]   一种基于笔画密度的弹性网格特征提取方法 [J].
高学 ;
金连文 ;
尹俊勋 .
模式识别与人工智能, 2002, 15 (03) :351-354
[2]   手写体字符识别研究 [J].
朱小燕 ;
史一凡 ;
马少平 .
模式识别与人工智能, 2000, 13 (02) :174-180
[3]   一种手写汉字特征抽取的新方法 [J].
陈友斌 ;
丁晓青 ;
吴佑寿 .
信号处理, 1998, (02) :117-122+109
[4]   手写体汉字识别中的一种新的特征提取方法——弹性网格方向分解特征 [J].
金连文 ;
徐秉铮 .
电路与系统学报, 1997, (03) :8-13
[5]   Relationship between support vector set and kernel functions in SVM [J].
Zhang, L ;
Zhang, B .
JOURNAL OF COMPUTER SCIENCE AND TECHNOLOGY, 2002, 17 (05) :549-555
[6]   A tutorial on Support Vector Machines for pattern recognition [J].
Burges, CJC .
DATA MINING AND KNOWLEDGE DISCOVERY, 1998, 2 (02) :121-167