基于層次分解決策樹的脫機(jī)手寫體漢字識(shí)別研究.pdf

1、脫機(jī)手寫體漢字識(shí)別由于其字符集龐大，字形變化多等特點(diǎn)成為模式識(shí)別領(lǐng)域一個(gè)極具挑戰(zhàn)性的課題。它將在信函分揀、銀行支票識(shí)別、統(tǒng)計(jì)報(bào)表處理以及手寫文稿自動(dòng)輸入等諸多方面發(fā)揮巨大作用。它的研究對(duì)漢字信息處理自動(dòng)化及開拓新一代計(jì)算機(jī)的智能輸入都有著重要意義。手寫體漢字識(shí)別是一個(gè)非常復(fù)雜的多模式識(shí)別問題，多年研究實(shí)踐表明，單一方法的效果是有限的，各種方法有其自身的優(yōu)點(diǎn)和局限性。應(yīng)用信息融合技術(shù)，采用多種方法有機(jī)結(jié)合，走多特征融合、多方案集成的道路，

2、是手寫體漢字識(shí)別的一個(gè)發(fā)展趨勢(shì)。 本文研究對(duì)象為少量常用漢字，研究目標(biāo)是探索非特定人限制性脫機(jī)手寫體漢字識(shí)別的有效算法。實(shí)驗(yàn)選取了國(guó)標(biāo)GB2312-80一級(jí)字庫中的50類漢字，每類漢字采集100個(gè)樣本，共5000個(gè)漢字樣本。其中80％的數(shù)據(jù)用于訓(xùn)練，20％用于測(cè)試。 本文的主要內(nèi)容及研究成果有以下幾點(diǎn)： （1）在分析當(dāng)前漢字識(shí)別最新發(fā)展技術(shù)的基礎(chǔ)上，設(shè)計(jì)了一套基于多特征融合、多分類器集成的漢字識(shí)別方案，即二級(jí)串行

3、分類器集成模型。一級(jí)粗分類采用改進(jìn)的ID3算法——基于層次分解思想的決策樹作分類器，該算法具有描述簡(jiǎn)單、無須相關(guān)領(lǐng)域知識(shí)、分類速度快、計(jì)算量小的特點(diǎn)，為解決多類分類問題提供了有益幫助。本文對(duì)其在脫機(jī)手寫漢字識(shí)別領(lǐng)域的可行性進(jìn)行了探索性研究，并在數(shù)據(jù)整理，類與類之間重疊程度的閾值選取，連續(xù)屬性離散化方面結(jié)合C4．5算法作了適當(dāng)調(diào)整，利用C++Builder編程工具對(duì)系統(tǒng)設(shè)計(jì)模型進(jìn)行了實(shí)驗(yàn)，結(jié)果表明該模型是有效的。 （2）為提高樣本

4、收集的效率和質(zhì)量，并為今后大規(guī)模收集工作做準(zhǔn)備，設(shè)計(jì)了帶有定位標(biāo)記的專用收集表格。在滿足識(shí)別需要的前提下，簡(jiǎn)化了部分預(yù)處理步驟，提高了預(yù)處理效率。 （3）樣本庫采用二進(jìn)制格式保存并構(gòu)造Data數(shù)據(jù)結(jié)構(gòu)作為入庫單位。既節(jié)省了存儲(chǔ)空間，又加快了讀、寫樣本庫的速度。 （4）一級(jí)粗分類中，在彈性網(wǎng)格的基礎(chǔ)上提取了較為穩(wěn)定的筆畫穿越特征和筆畫方向分解特征，構(gòu)成決策樹分類所需的14維屬性集。并分析比較了選用不同屬性作為測(cè)試屬性的分類