2) off-line handwritten Chinese character recognition
脱机手写体汉字识别
1.
Algorithms Research on Thinning, Feature Extracting and Similar Chinese Characters Recognition for Off-line Handwritten Chinese Character Recognition;
脱机手写体汉字识别中细化、特征提取和相似字识别算法研究
2.
The proposed off-line handwritten Chinese character recognition system was composed of a feature extraction module and a recognition module.
提出的脱机手写体汉字识别系统主要研究特征提取和分类识别两个模块。
3.
This paper researches on feature extraction methods for off-line handwritten Chinese character recognition applied to automatic recognition of financial bills.
针对金融票据自动识别应用中的脱机手写体汉字识别进行特征提取的研究,首先提出了用Gabor特征和Zernike矩特征来分别表征汉字的局部特征和全局特征。
3) on-line handwritten Chinese character recognition
联机手写汉字识别
1.
An algorithm for stroke corner detection based on curvature multi-calculation is proposed to extract characteristics for OLCCR(on-line handwritten Chinese character recognition).
提出一个基于多重曲率计算的角点检测算法,对联机手写汉字识别中的笔划拐点进行提取。
4) online handwritten Chinese character recognition
联机手写体汉字识别
1.
In order to cope with stroke order variations , stroke number variations and large shape variations, a new online handwritten Chinese character recognition method is presented.
为了解决联机手写体汉字笔划顺序、笔划数目及笔划形状变化问题,提出了一种新的联机手写体汉字识别方法:人工神经网络(ANN)和隐马尔可夫模型(HMM)相结合的汉字识别方法,首先通过BP神经网络进行笔划识别,再通过笔划类型和笔划间位置关系的隐马尔可夫模型进行整字识别。
6) offline handwritten numeral recognition
脱机手写数字识别
1.
The performance of the statistical approach to offline handwritten numeral recognition is improved using the Gaussian mixture model (GMM) to approximate an arbitrary class conditional probability density.
在基于统计方法的脱机手写数字识别中 ,为更加有效地描述特征的类条件概率分布 ,设计出性能优良的 Bayes分类器 ,采用了混合 Gauss模型。
补充资料：汉字分类识别
汉字分类识别
Chinese character recognition by classification
hQnzi fsnlei ShibiG汉字分类识别(Chi~ch~ter八叉邺，itionby cl别洛ifiCation】根据某种判别准则，用统计或结构的方法，把汉字模式多维特征向量(参见汉宇识别鑫本方法)构成的特征空间划分为若干子空间的过程。 由于汉字数量巨大，汉字模式样本甚多，为提高识别速度，汉字识别通常采用两到三级分类识别方案。其中最后一级分类(通过该分类就识别出汉字)称为细分类，前面若干级分类都称为粗分类。 汉字识别分类方法的选择原则是:①分类特性好。即类内各样本距离小，类间距离大，各类重叠样本少。②分类稳定性好，抗干扰能力强。③粗分类的正确分类率和稳定性应比细分类高。④每类汉字的相关性要小，分类速度快。⑤分类特征易提取，简单，维数低。⑥粗分类要和细分类相协调。以上要求很难同时满足，分类(特别是粗分类)的稳定性和正确分类率是首先需要考虑的。 分类方法有重叠区分类、中心提取分类、判定树分类、引导树分类等。 在汉字分类时，用某种类似度(或距离)准则，把未知文字特征和字典中标准文字特征逐一比较，按相似性从大到小排序，取i位以前(包括第i位)的所有文字为一类，所得到的正确分类的文字占全部需要识别文字的百分比，称为累计分类率。第i位的累计分类率就是从第1位到第i位所得正确分类字数占全部需要识别文字的百分比。第1位的累计分类率就是识别率，第。位(n为全部需要识别文字数)累计分类率总是100%。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条