聯(lián)機(jī)數(shù)學(xué)公式手寫(xiě)體識(shí)別的研究與實(shí)現(xiàn).pdf_第1頁(yè)
已閱讀1頁(yè),還剩75頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、在教育行業(yè),為了實(shí)時(shí)追蹤學(xué)生的學(xué)習(xí)軌跡和知識(shí)薄弱環(huán)節(jié),機(jī)器自動(dòng)識(shí)別學(xué)生答題的手寫(xiě)筆跡成為必要的技術(shù)需求。因此,本文的研究重點(diǎn)為聯(lián)機(jī)數(shù)學(xué)公式手寫(xiě)體識(shí)別,旨在提出一個(gè)穩(wěn)健可行的解決方案來(lái)識(shí)別學(xué)生的手寫(xiě)數(shù)學(xué)公式筆跡,主要研究?jī)?nèi)容包括如下幾點(diǎn):
  1、提出了一種融合CNN和DBN的單字符識(shí)別模型
  應(yīng)用卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network,CNN)搭建和訓(xùn)練了一個(gè)單字符分類器模型,針對(duì)神經(jīng)網(wǎng)絡(luò)對(duì)

2、對(duì)抗樣本的脆弱性表現(xiàn),同時(shí)創(chuàng)造性的采用了深度信念網(wǎng)絡(luò)(Deep Belief Network,DBN)的解碼重構(gòu)損失作為識(shí)別置信度評(píng)價(jià)模型,最后融合了CNN和DBN的置信度評(píng)價(jià),增強(qiáng)了對(duì)對(duì)抗樣本的拒識(shí)能力。
  2、提出了一種基于組合排序的手寫(xiě)體識(shí)別算法
  手寫(xiě)數(shù)學(xué)公式中存在著大量的二義性,二維結(jié)構(gòu)準(zhǔn)確判定存在著相當(dāng)?shù)碾y度,同時(shí)還有許多容易混淆的相似字符,這些情況都增大了機(jī)器自動(dòng)識(shí)別的難度。本文提出了一種基于組合排序的手寫(xiě)

3、體識(shí)別算法,先把這些不確定的情況都保存下來(lái)作為候選,產(chǎn)生候選組合路徑,再基于詞組頻率表,語(yǔ)義模型,識(shí)別置信度等進(jìn)行路徑排序就能保證識(shí)別正確率,可以大大簡(jiǎn)化系統(tǒng)的復(fù)雜度,同時(shí)增大識(shí)別系統(tǒng)的魯棒性。
  3、提出了一種基于錯(cuò)誤識(shí)別案例的快速學(xué)習(xí)方法
  識(shí)別出錯(cuò)案例的調(diào)試工作非常繁重,本文提出了一個(gè)基于錯(cuò)誤案例的學(xué)習(xí)方法,可以快速的從我們提供的錯(cuò)誤案例標(biāo)記數(shù)據(jù)中學(xué)習(xí)到新的組合映射知識(shí),并將這些知識(shí)作為系統(tǒng)的組合補(bǔ)充分支,避免了再

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論