1. 研究目的与意义
随着人机交互技术的发展, 手写汉字识别逐渐成为了一个越来越重要的研究领域。手写汉字识别在处理文件、邮件的分类、商业等社会活动中都有着巨大的潜力。由于汉字总量大、结构复杂、形近字多以及书写风格多变, 汉字识别技术面临着诸多问题, 现有的解决方案很难达到人们的要求。目前看来,随着机器学习逐渐被研究者们所熟知,深度学习的探索之路也随之展开并在短暂的实践内成为机械学系中最受欢迎的研究内容之一。深度学习通过把复杂函数简单地显示出来, 能够自动获得样本概率分布, 在学习样本特征中显现出明显的优势, 深度学习技术在诸如图像识别等诸多领域取得了较好的应用。
2. 研究内容和预期目标
脱机手写汉字识别因为其数目多、布局复杂、形似字多和书写风格多样化等问题,作为模式识别方向中的难点之一。
基于卷积神经网络的手写汉字识别具有稳定性、多样性、特征性等特征,使卷积神经网络在手写汉字识别中被广泛使用,如LeNet-5等。
从手写汉字的样本变换入手、通过对手写汉字图像的平滑去噪、归一化和仿射变换处理,以降低汉字识别前存在的问题,通过特征融合来降低汉字识别的错误率。
剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!
3. 国内外研究现状
在上个世纪60年代,美国IBM公司开始进行了对印刷体汉字的模式识别研究工作,1996年Casey和Nag用模板匹配法成功的识别出了1000个印刷体汉字,在全球范围内,汉字识别开始展开了。
而就在这个时候,研究界对手写汉字识别也掀起了高潮。
因为汉字在日语中占有一定的地位,手写体汉字识别(HCCR)在一开始是由日本率先尝试研究的,在80年代,国内开始了对手写汉字的研究,因为汉语作为我们的母语,汉字主要在我国广泛使用,对汉字的种类、内涵、造字原理国内的掌握情况较透彻,所以关于手写汉字识别的深入研究主要集中在国内。
剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!
4. 计划与进度安排
1.数据集
数据集来自于中科院自动化研究所,具体下载:
http://www.nlpr.ia.ac.cn/databases/download/feature_data/HWDB1.1trn_gnt.ziphttp://www.nlpr.ia.ac.cn/databases/download/feature_data/HWDB1.1tst_gnt.zip2.数据处理
剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!
5. 参考文献
- 金连文, 钟卓耀, 杨钊, et al. 深度学习在手写汉字识别中的应用综述[J]. 自动化学报, 2016, 42(8):1125-1141.
- 吕红. 基于卷积神经网络的手写数字识别系统的设计[J]. 智能计算机与应用, 2019, 9(02):62-64 70.
- 张帆, 张良, 刘星, et al. 基于深度残差网络的脱机手写汉字识别研究[J]. 计算机测量与控制, 2017, 25(12).
- 陈锐. 一种基于深度学习的手写汉字书法识别方法[J]. 电子世界, 2019, 564(06):35-36.
剩余内容已隐藏,您需要先支付 10元 才能查看该篇文章全部内容!立即支付
以上是毕业论文开题报告,课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。