手寫體數(shù)字及英文字符的識(shí)別研究.pdf

1、近些年出現(xiàn)的網(wǎng)上閱卷模式,改進(jìn)了傳統(tǒng)閱卷模式易出錯(cuò)、工作強(qiáng)度大等缺點(diǎn),并且這種先進(jìn)的閱卷模式已經(jīng)應(yīng)用到了我國(guó)各類標(biāo)準(zhǔn)考試之中。其中最具有代表性的就是基于OMG技術(shù)(光標(biāo)閱讀機(jī))的網(wǎng)上閱卷系統(tǒng)。基于OMG技術(shù)的網(wǎng)上閱卷系統(tǒng)最主要的弊端就是所使用的硬件成本太高,不利于推廣使用。所以隨后出現(xiàn)了基于圖像處理技術(shù)的網(wǎng)上閱卷模式。
　　 本文的主題就是研究基于圖像處理技術(shù)的網(wǎng)上閱卷系統(tǒng)中手寫數(shù)字及字符的識(shí)別方法。研究者通常將數(shù)字識(shí)別和英文字

2、符識(shí)別放到一起研究,是因?yàn)檫@兩者是沒有本質(zhì)區(qū)別的。從識(shí)別方法的角度來(lái)看，只是樣本不同而已,對(duì)識(shí)別方法的研究和構(gòu)建是沒有任何影響的。本文為了方便,在語(yǔ)言敘述上將手寫體數(shù)字及字符的識(shí)別簡(jiǎn)便稱為手寫數(shù)字識(shí)別。
　　 為了提高手寫數(shù)字的識(shí)別率,研究者在預(yù)處理階段、特征提取和分類識(shí)別階段都提出了很多方法?？v觀各類方法,有自身的優(yōu)勢(shì)同時(shí),也有自身無(wú)法克服的缺陷。目前研究最熱的識(shí)別率最高的當(dāng)屬神經(jīng)網(wǎng)絡(luò)方法和支持向量機(jī)方法。神經(jīng)網(wǎng)絡(luò)法識(shí)別精度較

3、高,但是訓(xùn)練時(shí)間長(zhǎng),容易陷入局部最小,而且依賴于研究者的經(jīng)驗(yàn)知識(shí)。另外,支持向量機(jī)法識(shí)別精度也比較高,但它更善于兩類分類問(wèn)題。
　　 根據(jù)神經(jīng)網(wǎng)絡(luò)法和支持向量機(jī)法各自的優(yōu)勢(shì)和缺陷,本文提出利用神經(jīng)網(wǎng)絡(luò)法和支持向量機(jī)法構(gòu)建多級(jí)分類模型。一級(jí)分類器使用網(wǎng)絡(luò)結(jié)構(gòu)簡(jiǎn)單的RBF神經(jīng)網(wǎng)絡(luò)法構(gòu)造,允許它輸出最后結(jié)果也允許它輸出拒識(shí)樣本和模糊結(jié)果,如果輸出的是拒識(shí)樣本和模糊結(jié)果,將啟動(dòng)SVM二級(jí)分類器,利用二級(jí)分類器再次進(jìn)行判定識(shí)別,然后輸出最