篇章级手写识别的用户自适应模型

摘要

传统的手写输入法识别过程包括用户输入,单字识别,用户选择以及改错,在这个过程中,不免会打断用户书写过程中的思路,难以保持书写的连贯性,导致输入法的效率低。同时这种输入法识别模式,导致选择识别候选时,无法使用到文字之间的上下文信息,进一步导致识别率低。在手写识别过程中,每个用户的手写习惯以及连笔情况均不相同,对于独立于特定用户手写习惯的手写识别,相对于特定用户来说,手写识别结果不是很好。
　　针对以上手写输入法存在的问题,本文设计了一种基于篇章文档的用户自适应模型手写识别方法。这种方法可以将手写文字与识别文字共同呈现给用户,可供用户编辑手写文字以及修改识别结果。一方面可以使用文字间上下文关系,进一步提高识别效率,另一方面也可以满足用户书写的流畅度。而针对特定用户来说,采集用户特有的手写特征,使用增量学习的方法,创建以及更新用户模型,以自适应的提高用户识别结果的准确率。利用以上篇章文字之间的上下文信息,使用语言模型以及相似度对识别结果进行后处理,第一候选的识别率有所提高。
　　本文的研究内容以及主要工作包括三个方面。首先,添加自相似计算方法,根据用户手写文档,统计每个手写字符与其相似的手写字符,使用改进的动态时间弯曲算法用来计算两两手写字的相似度,以实现篇章级用户手写文档的相似度分析。其次,根据上下文信息,添加语言模型,使用基于字的二元文法调整候选项的位置。本文中使用 N-gram语言模型来实现此功能。最后,构建用户自适应模型,采用增量学习方法,学习用户的手写字符信息,更新用户模型,在更新用户模型过程中,本文使用增量学习的 Linear Discriminated Analysis(LDA)与增量学习的Modified Quadratic Discriminated Function(MQDF)相结合的方法。
　　根据以上对系统做出的改进,识别效果有所提高。通过计算手写字符相似性,有效的减少了用户的修改操作,在修改第一识别结果时,根据字间相似度,能自适应的调整与其相似的手写字符的识别结果,间接地提高了手写识别的准确率。添加基于字的二元文法,并结合单字识别器分类结果,调整第一候选结果。通过实验验证,添加语言模型以及自适应模型后的系统,识别结果有了明显提高。

目录

封面

中文摘要

英文摘要

目录

第1章 绪 论

1.1 课题来源

1.2 研究目的及意义

1.3 国内外相关技术发展现状

1.4 主要研究内容

第2章 手写汉字识别相关技术研究

2.1 引言

2.2 手写字符单字识别方法

2.3 手写汉字识别后处理技术研究

2.4 用户自适应模型增量学习方法的研究

2.5 本章小结

第3章 篇章级手写识别后处理技术与自适应模型

3.1 引言

3.2 篇章级自相似计算方法的改进

3.3 用户自适应模型方法的改进

3.4 引入基于字的N-gram语言模型

3.5 本章小结

第4章 系统实现和算法评测

4.1 引言

4.2 系统实现

4.3 算法评测

4.4 本章小结

结论

参考文献

攻读硕士学位期间发表的论文及其它成果

声明

致谢