基于SVM的动态剪枝二叉树脱机手写体汉字识别方法研究

摘要

脱机手写体汉字识别是多类别模式识别问题,有着广泛的应用前景。脱机手写体汉字具有书写风格多变、随意性大和书写过程信息丢失等特点,因此被认为是汉字识别领域的难点问题。支持向量机(Support Vector Machine,SVM)是根据统计学习理论提出的一种新的机器学习算法,已经在模式识别、回归分析等方面取得了良好的效果,本文研究了一种基于SVM的动态剪枝二叉树脱机手写体汉字识别方法,为提高手写体汉字的识别性能提供了一种新手段。
　　 论文的主要研究工作如下:
　　 (1)给出了一种SVM二叉树脱机手写体汉字识别方法。根据SVM理论和二叉树分类的策略,在分析了脱机手写体汉字特征信息的基础上,研究了运用SVM二叉树粗分类与SVM识别相结合的脱机手写体汉字识别方法。
　　 (2)提出了基于三种汉字特征的脱机手写体汉字SVM动态剪枝二叉树粗分类算法。在分析了汉字的黑像素百分比特征、基本笔划统计特征和结构特征的基础上,构建了基于上述三种特征的动态剪枝二叉树,给出了基于SVM动态剪枝二叉树的脱机手写体汉字粗分类算法。在保证不错分和不漏分的前提下,通过剪去与待分类汉字特征无关的汉字集合的方法,提高粗分类的速度。
　　 (3)研究了基于SVM的脱机手写体汉字识别算法。在粗分类的基础上,选择汉字的笔划密度特征、笔划方向特征和二维小波网格特征并进行特征融合,设计了SVM“一对多”脱机手写体汉字识别算法。
　　 本文选用SCUT-IRAC HCCLIB手写体汉字样本作为实验数据、MATLAB7.0为仿真软件,对本文提出的利用SVM动态剪枝二叉树粗分类后再细分类识别的方法进行了实验验证,结果表明方法可行。

目录

文摘

英文文摘

致谢

插图清单

表格清单

第一章 绪论

1.1 脱机手写体汉字识别概述

1.2 脱机手写体汉字识别的步骤分析及难点

1.2.1 脱机手写体汉字识别的主要步骤

1.2.2 脱机手写体汉字识别的难点

1.3 脱机手写体汉字识别的研究现状

1.4 论文的主要研究内容及结构

1.4.1 论文的主要研究内容

1.4.2 论文结构

第二章 SVM脱机手写体汉字识别

2.1 支持向量机理论

2.1.1 线性SVM

2.1.2 非线性SVM

2.2 SVM的核函数选取

2.3 脱机手写体汉字特征分析

2.4 SVM脱机手写体汉字识别研究

第三章 SVM动态剪枝二叉树脱机手写体汉字粗分类

3.1 SVM动态剪枝二叉树

3.2 汉字多特征分类的SVM二叉树结构模型

3.2.1 脱机手写体汉字的黑像素百分比特征及剪枝二叉树模型

3.2.2 脱机手写体汉字基本笔划统计特征提取及剪枝二叉树模型

3.2.3 脱机手写体汉字的结构特征及分类二叉树模型

3.3 SVM动态剪枝二叉树脱机手写体汉字粗分类

3.3.1 SVM动态剪枝二叉树汉字粗分类方法

3.3.2 SVM动态剪枝二叉树汉字粗分类步骤

第四章 SVM脱机手写体汉字细分类识别

4.1 手写体汉字细分类特征提取

4.1.1 手写体汉字的笔划方向特征

4.1.2 手写体汉字的笔划密度特征

4.1.3 脱机手写体汉字的二维小波网格特征

4.1.4 手写体汉字的多特征融合

4.2 手写体汉字细分类的SVM多类分类算法

4.2.1 基于SVM‘‘一对多”的手写体汉字的分类识别

4.2.2 脱机手写体汉字识别的训练与测试步骤

第五章 脱机手写体汉字识别的仿真研究

5.1 实验样本选取

5.2 实验实例

5.2.1 基于动态剪枝二叉树的手写体汉字粗分类特征提取

5.3.2 脱机手写体汉字细分类特征提取

第六章 总结与展望

6.1 总结

6.2 展望

参考文献

攻读硕士学位期间发表的论文