基于層次分解決策樹的脫機手寫體漢字識別研究.pdf

1、脫機手寫體漢字識別由于其字符集龐大，字形變化多等特點成為模式識別領域一個極具挑戰(zhàn)性的課題。它將在信函分揀、銀行支票識別、統(tǒng)計報表處理以及手寫文稿自動輸入等諸多方面發(fā)揮巨大作用。它的研究對漢字信息處理自動化及開拓新一代計算機的智能輸入都有著重要意義。手寫體漢字識別是一個非常復雜的多模式識別問題，多年研究實踐表明，單一方法的效果是有限的，各種方法有其自身的優(yōu)點和局限性。應用信息融合技術，采用多種方法有機結合，走多特征融合、多方案集成的道路，

2、是手寫體漢字識別的一個發(fā)展趨勢。 本文研究對象為少量常用漢字，研究目標是探索非特定人限制性脫機手寫體漢字識別的有效算法。實驗選取了國標GB2312-80一級字庫中的50類漢字，每類漢字采集100個樣本，共5000個漢字樣本。其中80％的數(shù)據(jù)用于訓練，20％用于測試。 本文的主要內容及研究成果有以下幾點： （1）在分析當前漢字識別最新發(fā)展技術的基礎上，設計了一套基于多特征融合、多分類器集成的漢字識別方案，即二級串行

3、分類器集成模型。一級粗分類采用改進的ID3算法——基于層次分解思想的決策樹作分類器，該算法具有描述簡單、無須相關領域知識、分類速度快、計算量小的特點，為解決多類分類問題提供了有益幫助。本文對其在脫機手寫漢字識別領域的可行性進行了探索性研究，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)屬性離散化方面結合C4．5算法作了適當調整，利用C++Builder編程工具對系統(tǒng)設計模型進行了實驗，結果表明該模型是有效的。 （2）為提高樣本

4、收集的效率和質量，并為今后大規(guī)模收集工作做準備，設計了帶有定位標記的專用收集表格。在滿足識別需要的前提下，簡化了部分預處理步驟，提高了預處理效率。 （3）樣本庫采用二進制格式保存并構造Data數(shù)據(jù)結構作為入庫單位。既節(jié)省了存儲空間，又加快了讀、寫樣本庫的速度。 （4）一級粗分類中，在彈性網格的基礎上提取了較為穩(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試屬性的分類