在國(guó)內(nèi)外，針對(duì)手寫(xiě)體數(shù)字識(shí)別技術(shù)已經(jīng)比較成熟，相較于傳統(tǒng)光學(xué)字符識(shí)別（OCR）圖像識(shí)別技術(shù)，基于深度學(xué)習(xí)的卷積神經(jīng)網(wǎng)絡(luò)算法可以在復(fù)雜場(chǎng)景下快速、準(zhǔn)確、有效地獲取并識(shí)別場(chǎng)景中文字。 由于手寫(xiě)體存在形態(tài)各異、千差萬(wàn)別、隨意性大、書(shū)寫(xiě)不規(guī)范的情況，同時(shí)還會(huì)存在數(shù)據(jù)采集時(shí)的光線、角度不同等問(wèn)題，手寫(xiě)數(shù)字識(shí)別問(wèn)題有著很大的挑戰(zhàn)性［1］。卷積神經(jīng)網(wǎng)絡(luò)是一種受到人類(lèi)的視覺(jué)神經(jīng)系統(tǒng)和早期的時(shí)延神經(jīng)網(wǎng)絡(luò)（ Time － Delay Neural NetWork）的啟發(fā)而設(shè)計(jì)

0000）脫機(jī)手寫(xiě)體漢字識(shí)別技術(shù)作為字符識(shí)別技術(shù)(OCR)的一個(gè)分支,已成為模式識(shí)別領(lǐng)域新的研究熱點(diǎn)。由于不同漢字字體結(jié)構(gòu)繁多，存在大量相似漢字，書(shū)寫(xiě)習(xí)慣不同導(dǎo)致手寫(xiě)漢字結(jié)構(gòu)形體更是因人而異，千差萬(wàn)別，體現(xiàn)在漢字手寫(xiě)體識(shí)別更加困難。脫機(jī)手寫(xiě)漢字識(shí)別是針對(duì)靜止的二維圖像中的漢字進(jìn)行識(shí)別，通過(guò)票據(jù)合同圖片特征提取文字，故而識(shí)別更為復(fù)雜困難，準(zhǔn)確度難以提高，脫機(jī)識(shí)別的手寫(xiě)漢字識(shí)別一直是當(dāng)前業(yè)界研究的難點(diǎn)熱點(diǎn)。目前脫機(jī)識(shí)別手寫(xiě)漢字的方案主要有兩類(lèi):第一類(lèi)是基于傳統(tǒng)

部分檔案由于以手寫(xiě)體為主，需要對(duì)其進(jìn)行手寫(xiě)體字符識(shí)別(Optical Character Recognition，簡(jiǎn)稱OCR)，以獲取較為準(zhǔn)確的文字信息[2]。整個(gè)過(guò)程主要包括圖像預(yù)處理、特征提取和分類(lèi)器分類(lèi)，其中特征提取最為關(guān)鍵。傳統(tǒng)手寫(xiě)體字符識(shí)別方法在提取目標(biāo)書(shū)寫(xiě)體圖像信息時(shí)，能較好地提取手寫(xiě)體空間、字體輪廓信息，但對(duì)復(fù)雜環(huán)境下手寫(xiě)體圖像的處理存在準(zhǔn)確率低和識(shí)別效果不佳的現(xiàn)象[3]。此外，當(dāng)前少數(shù)民族古文字研究集中于藝術(shù)考究和字形釋義，缺乏利用深度學(xué)習(xí)

）0 引言離線手寫(xiě)體文本識(shí)別（Offline Handwritten Text Recognition，OHTR）一直是計(jì)算機(jī)視覺(jué)和模式識(shí)別的主要研究?jī)?nèi)容之一［1］。不同于聯(lián)機(jī)手寫(xiě)體文本識(shí)別可以記錄書(shū)寫(xiě)人的軌跡，OHTR 由于不同的人書(shū)寫(xiě)的風(fēng)格不同以及文本的結(jié)構(gòu)越來(lái)越復(fù)雜等原因，仍然是一個(gè)具有挑戰(zhàn)性的難題［2］。早期的OHTR 主要是基于分割的手寫(xiě)體文本識(shí)別［3-4］，該類(lèi)方法將圖像分割成像素級(jí)的小部分，再使用分類(lèi)的方法給每一個(gè)部分歸類(lèi)，由于分割的不確定性

，分為印刷體和手寫(xiě)體兩種。漢字手寫(xiě)體字形是用硬筆手書(shū)出來(lái)的方塊漢字的二維圖形。漢字手寫(xiě)體字形正誤的判定問(wèn)題是基礎(chǔ)教育語(yǔ)文教學(xué)、漢語(yǔ)國(guó)際教育教學(xué)領(lǐng)域必須面對(duì)的問(wèn)題。理論上，在上述領(lǐng)域不同主體對(duì)同一個(gè)漢字手寫(xiě)體字形正誤的判定結(jié)果應(yīng)該基本一致。而實(shí)踐中我們發(fā)現(xiàn)，不同主體對(duì)像圖1這些漢字手寫(xiě)體字形正誤的判定常會(huì)出現(xiàn)分歧。為了解這種分歧的程度、造成分歧的原因、影響判定的因素，我們分別對(duì)來(lái)自全國(guó)六個(gè)不同省份的15名一線教師(5名小學(xué)語(yǔ)文、5名初中語(yǔ)文和5名漢語(yǔ)國(guó)際教育

程學(xué)院 張玉嬌手寫(xiě)體數(shù)字0-9的識(shí)別在原始數(shù)據(jù)集的獲取上較為容易，擁有MNIST的這種成熟的大型標(biāo)準(zhǔn)數(shù)據(jù)集，已經(jīng)被視為是人工智能圖像識(shí)別領(lǐng)域研究的入門(mén)問(wèn)題，對(duì)其進(jìn)行研究具有重要的現(xiàn)實(shí)意義。在眾多的識(shí)別算法中，卷積神經(jīng)網(wǎng)絡(luò)在識(shí)別精度上的表現(xiàn)較為突出，而深度學(xué)習(xí)框架的出現(xiàn)在一定程度上降低了神經(jīng)網(wǎng)絡(luò)模型構(gòu)建的難度和入學(xué)門(mén)檻。本文基于Tensorflow深度學(xué)習(xí)框架，詳細(xì)討論了如何構(gòu)建LeNet-5卷積神經(jīng)網(wǎng)絡(luò)模型實(shí)現(xiàn)手寫(xiě)體數(shù)字識(shí)別的方法，使用MNIST數(shù)據(jù)集進(jìn)行

、物體檢測(cè)以及手寫(xiě)體文字識(shí)別等領(lǐng)域，卷積神經(jīng)網(wǎng)絡(luò)取得了突破性進(jìn)展[3]，并在手寫(xiě)體識(shí)別應(yīng)用中更為突出，主要應(yīng)用于手寫(xiě)體數(shù)字識(shí)別[4-6]、手寫(xiě)體漢字識(shí)別[7-9]以及手寫(xiě)體字母識(shí)別[10]，同時(shí)在識(shí)別少數(shù)民族語(yǔ)言中獲得了良好的應(yīng)用。周毛克等人提出的基于卷積神經(jīng)網(wǎng)絡(luò)的藏文手寫(xiě)數(shù)字和字母識(shí)別研究[11]，取得了良好的識(shí)別效果。閆茹等人提出的基于CNN 與有限狀態(tài)自動(dòng)機(jī)的手寫(xiě)體大寫(xiě)金額識(shí)別[12]，解決了手寫(xiě)票據(jù)的識(shí)別問(wèn)題；柳霄羽等人提出的基于CNN 手寫(xiě)識(shí)別技

來(lái)需求包括突破手寫(xiě)體漢字字符識(shí)別困難，應(yīng)用于電子檔案記錄，全球搜索的書(shū)籍和歷史文檔，攝像頭拍攝的文本場(chǎng)景、視頻文本[1-2]等等。計(jì)算機(jī)性能的改善和數(shù)據(jù)噴涌式的爆發(fā)，使深度學(xué)習(xí)在傳統(tǒng)機(jī)器學(xué)習(xí)上不斷發(fā)展，最關(guān)鍵就在于自動(dòng)提取學(xué)習(xí)特征，降低了手工特性設(shè)計(jì)可能的耗時(shí)。卷積神經(jīng)網(wǎng)絡(luò)（CNN）常用于圖像處理，有能力從大量數(shù)據(jù)中學(xué)習(xí)復(fù)雜的、高維的、非線性的映射，同時(shí)演示了深層處理技術(shù)對(duì)圖像處理的重要性[3-4]。在很多文獻(xiàn)中，字符識(shí)別直接分成印刷體與手寫(xiě)體。而本文根據(jù)

引 言目前，手寫(xiě)體數(shù)字識(shí)別是人工智能機(jī)器學(xué)習(xí)領(lǐng)域眾多研究者關(guān)注的一個(gè)熱點(diǎn)，廣泛應(yīng)用于公安、稅務(wù)、交通、金融、教育等行業(yè)的實(shí)踐活動(dòng)中。在實(shí)際應(yīng)用中，對(duì)手寫(xiě)數(shù)字單字識(shí)別率的要求比手寫(xiě)普通文字識(shí)別要苛刻許多，識(shí)別精度需要達(dá)到更高的水平。由于手寫(xiě)數(shù)字識(shí)別沒(méi)有文字識(shí)別那樣的上下文，不存在語(yǔ)意的相關(guān)性，而數(shù)據(jù)中的每一個(gè)數(shù)字又至關(guān)重要。因此，提高手寫(xiě)數(shù)字識(shí)別率，成為人工智能的重要研究領(lǐng)域。人工神經(jīng)網(wǎng)絡(luò)是一種類(lèi)似于大腦神經(jīng)突觸聯(lián)接的結(jié)構(gòu)，進(jìn)行信息處理的數(shù)學(xué)模型，具有學(xué)習(xí)

，使得該算法對(duì)手寫(xiě)體分類(lèi)時(shí)需要使用超級(jí)計(jì)算機(jī)；（2）實(shí)驗(yàn)效果受到迭代次數(shù)的影響，其原因在于損失函數(shù)構(gòu)造不合理。為了將SVM分隔超平面優(yōu)勢(shì)與神經(jīng)網(wǎng)絡(luò)的非線性優(yōu)勢(shì)結(jié)合，孿生神經(jīng)網(wǎng)絡(luò)（Twin Neural Networks，TNN）被提出[8]。TNN結(jié)合了TWSVM的優(yōu)勢(shì)，能夠?qū)γ恳活?lèi)的訓(xùn)練數(shù)據(jù)分別訓(xùn)練出不同的分隔超平面，尤其是對(duì)于不平衡數(shù)據(jù)表現(xiàn)更好，并且TNN 也結(jié)合了神經(jīng)網(wǎng)絡(luò)非線性的特征變換，使得最后的分類(lèi)效果得到提高。通過(guò)TWSVM和TNN可以看出，特

不高。關(guān)鍵詞：手寫(xiě)體;印刷體;楷書(shū);草書(shū)西夏國(guó)主李元昊命野利任榮創(chuàng)制西夏文字，有效地傳播黨項(xiàng)民族文化，增強(qiáng)民族自主意識(shí)，提高黨項(xiàng)民族文化水平。為推行西夏文字，中央政府設(shè)置刻字司，印刷辭書(shū)和儒家經(jīng)典以推廣和傳播本民族文字，促進(jìn)文化教育的迅速發(fā)展。同時(shí)寺院也印刷西夏文佛經(jīng)，對(duì)西夏文的普及和推廣也起到關(guān)鍵性的作用。西夏文字書(shū)《同音》《番漢合時(shí)掌中珠》《類(lèi)林》等，作為官方的字典辭書(shū)，就不僅在字義、詞義上有規(guī)范、標(biāo)準(zhǔn)的權(quán)威性，也在文字書(shū)寫(xiě)上起到一定的指導(dǎo)規(guī)范作用。但

）0 引言脫機(jī)手寫(xiě)體漢字識(shí)別是模式識(shí)別領(lǐng)域的研究熱點(diǎn)之一，也是文字識(shí)別領(lǐng)域最為困難的問(wèn)題之一［1］。它廣泛應(yīng)用于銀行票據(jù)識(shí)別、郵件分揀、辦公室自動(dòng)化等領(lǐng)域，可以帶來(lái)巨大的經(jīng)濟(jì)效益和社會(huì)價(jià)值［2-3］。由于漢字種類(lèi)繁多、相似漢字之間易混淆以及書(shū)寫(xiě)風(fēng)格多樣等問(wèn)題，過(guò)去幾十年，研究者提出了許多傳統(tǒng)的方法來(lái)提高脫機(jī)手寫(xiě)體漢字的識(shí)別性能，但識(shí)別精度仍然遠(yuǎn)遠(yuǎn)落后于人類(lèi)的表現(xiàn)［4］。受深度卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network，CNN）在

8)0 引 言手寫(xiě)體漢字識(shí)別是模式識(shí)別的重要分支，也是文字識(shí)別領(lǐng)域最為困難的問(wèn)題之一。細(xì)化是手寫(xiě)體漢字識(shí)別與處理中的一個(gè)重要環(huán)節(jié)，其又可稱為骨架化，一般是指在保持圖像原像素拓?fù)滏溄雨P(guān)系的前提下，接連刪除圖像邊緣像素直至達(dá)到單個(gè)像素寬度骨架的過(guò)程。圖像細(xì)化所提取出的骨架不僅是目標(biāo)圖像重要的拓?fù)涿枋?，還減少了圖像中的冗余信息，在圖像分析、信息壓縮、特征提取、模式識(shí)別等領(lǐng)域具有非常廣泛的應(yīng)用[1-2]?，F(xiàn)有的細(xì)化算法有：Hilditch細(xì)化算法[3]、Pavli

時(shí)見(jiàn)到的字體分手寫(xiě)體和印刷體，在識(shí)字和寫(xiě)字教學(xué)中，兩類(lèi)字體在形態(tài)和稱呼上不完全統(tǒng)一，但客觀屬性是一樣的。手寫(xiě)體有篆書(shū)、隸書(shū)、楷書(shū)、草書(shū)、行書(shū)五種，印刷體主要是以楷書(shū)字形為原型的，字體也很多，最常用的是宋體和楷體。目前語(yǔ)文寫(xiě)字教學(xué)使用的規(guī)范漢字是以楷體作為字形標(biāo)準(zhǔn)。手寫(xiě)體楷書(shū)的筆畫(huà)名稱，以“永字八法”為基礎(chǔ)，分為點(diǎn)、橫、豎、撇、捺、提、折、鉤八種。印刷楷體根據(jù)2001年12月19日教育部和國(guó)家語(yǔ)委發(fā)布的《GB13000.1字符集漢字筆順規(guī)范》，筆畫(huà)共分為32

大多數(shù)小學(xué)生對(duì)手寫(xiě)體和印刷體的區(qū)分比較模糊?；诖耍疚闹饕接懥诵W(xué)英語(yǔ)字母手寫(xiě)體和印刷體的教學(xué)體會(huì)?！娟P(guān)鍵詞】小學(xué)英語(yǔ);字母教學(xué);手寫(xiě)體;印刷體;教學(xué)體會(huì)【作者簡(jiǎn)介】周煜華，湖南省衡陽(yáng)市耒陽(yáng)市蔡子池街道梅橋小學(xué)。在小學(xué)英語(yǔ)教學(xué)中，我們提得最多的是“培養(yǎng)學(xué)生聽(tīng)、說(shuō)、讀、寫(xiě)的能力”，足見(jiàn)“寫(xiě)”在小學(xué)英語(yǔ)教學(xué)中的重要地位。身為啟蒙階段的英語(yǔ)教師，對(duì)學(xué)生進(jìn)行合理有效的書(shū)寫(xiě)指導(dǎo)，是我們義不容辭的責(zé)任。在面對(duì)學(xué)生的作業(yè)和試卷時(shí)，筆者發(fā)現(xiàn)了很多經(jīng)常性的書(shū)寫(xiě)錯(cuò)誤，其中

0 引 言脫機(jī)手寫(xiě)體漢字識(shí)別已有近50年的研究歷史，因?yàn)闈h字類(lèi)別數(shù)較大（參照GB2312-80 標(biāo)準(zhǔn)，常用漢字有6763 個(gè)類(lèi)別）、易混淆的相似字形多以及書(shū)寫(xiě)風(fēng)格的多樣性使其一直是模式識(shí)別領(lǐng)域的研究難點(diǎn)。傳統(tǒng)的手寫(xiě)體漢字識(shí)別分為三個(gè)步驟：圖像預(yù)處理、特征提取與分類(lèi)。預(yù)處理一般通過(guò)模糊化、灰度化、二值化以及歸一化等方法來(lái)實(shí)現(xiàn)，目的是加強(qiáng)圖像的有用特征、去除其他無(wú)關(guān)的噪聲，從而使得特征提取更加方便[1]。特征提取是從原始輸入中提取能表達(dá)特定漢字本身而又區(qū)別于其

et-5模型的手寫(xiě)體中文識(shí)別何?凱，黃婉蓉，劉?坤，高圣楠(天津大學(xué)電氣自動(dòng)化與信息工程學(xué)院，天津 300072)手寫(xiě)體中文的自動(dòng)識(shí)別是中文文檔數(shù)字化的前提和基礎(chǔ)，由于中文字符數(shù)目繁多、相似性強(qiáng)、字體種類(lèi)繁多、書(shū)寫(xiě)隨意、缺乏統(tǒng)一規(guī)范等原因，一直是計(jì)算機(jī)視覺(jué)領(lǐng)域中一個(gè)具有挑戰(zhàn)性的問(wèn)題．為解決這一難題，提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)的手寫(xiě)體中文識(shí)別方法．在經(jīng)典LeNet-5網(wǎng)絡(luò)模型的基礎(chǔ)上進(jìn)行改進(jìn)，提出了一種LeNet-Ⅱ模型．利用改進(jìn)的Inception模塊和空

0 引言目前，手寫(xiě)體數(shù)字識(shí)別是人工智能機(jī)器學(xué)習(xí)領(lǐng)域眾多研究者關(guān)注的一個(gè)熱點(diǎn)，廣泛應(yīng)用于公安、稅務(wù)、交通、金融、教育等行業(yè)的實(shí)踐活動(dòng)中。在實(shí)際應(yīng)用中，對(duì)手寫(xiě)數(shù)字單字識(shí)別率的要求比手寫(xiě)普通文字識(shí)別要苛刻許多，識(shí)別精度需要達(dá)到更高的水平。由于手寫(xiě)數(shù)字識(shí)別沒(méi)有文字識(shí)別那樣的上下文，不存在語(yǔ)意的相關(guān)性，而數(shù)據(jù)中的每一個(gè)數(shù)字又至關(guān)重要。因此，提高手寫(xiě)數(shù)字識(shí)別率，成為人工智能的重要研究領(lǐng)域。人工神經(jīng)網(wǎng)絡(luò)是一種類(lèi)似于大腦神經(jīng)突觸聯(lián)接的結(jié)構(gòu)，進(jìn)行信息處理的數(shù)學(xué)模型，具有學(xué)習(xí)

過(guò)KNN算法對(duì)手寫(xiě)體識(shí)別進(jìn)行了研究，手寫(xiě)體識(shí)別是為了使計(jì)算機(jī)對(duì)手寫(xiě)體進(jìn)行圖像預(yù)處理、基于數(shù)字圖像的特征提取以及數(shù)字串的分割等步驟后，讓計(jì)算機(jī)能夠識(shí)別人類(lèi)通過(guò)手動(dòng)書(shū)寫(xiě)在輸入設(shè)備上的字符軌跡并且裝換為計(jì)算機(jī)所存儲(chǔ)的編碼，讓計(jì)算機(jī)更加智能地輔助我們的生活、辦公以及教學(xué)等各個(gè)方面。關(guān)鍵詞：KNN;手寫(xiě)體;識(shí)別出生在20世紀(jì)90年代的我們，見(jiàn)證了我國(guó)科學(xué)技術(shù)、社會(huì)經(jīng)濟(jì)以及生態(tài)環(huán)境等領(lǐng)域的飛速發(fā)展。近幾年，“大數(shù)據(jù)”、“物聯(lián)網(wǎng)”以及“人工智能”等名詞已然是家喻戶曉，這

字雷倒。這字是手寫(xiě)體的，看起來(lái)似書(shū)法，卻又毫無(wú)書(shū)法之美。每個(gè)字的捺畫(huà)、鉤畫(huà)就像是大青蟹的腳，張牙舞爪，透著滿滿的狂躁之氣。震撼倒是真的震撼，但對(duì)于書(shū)法人來(lái)說(shuō)，很多都會(huì)像筆者一樣有種被死蒼蠅噎到的感覺(jué)。筆者知道這是電腦字體，但不知道是什么字體，想罵人卻找不到罵的對(duì)象。之后還不斷地從各種媒體甚至國(guó)家級(jí)的大媒體上看到這種字體的大量使用。心想，這國(guó)人怎么了？中國(guó)書(shū)法怎么了？有那么多好的書(shū)法不用，有那么多種的美術(shù)字不用，卻偏偏用這種根本不入流的丑書(shū)。直到最近，在群里

課程。圓體字（手寫(xiě)體）是英語(yǔ)國(guó)家最常見(jiàn)的手寫(xiě)體，早年美國(guó)人曾將一筆飄逸的手書(shū)視為衡量一個(gè)人是否“有文化”的重要標(biāo)尺;而隨著電子產(chǎn)品的普及，唱衰英文書(shū)寫(xiě)技能的聲音愈發(fā)猛烈，甚至影響到相關(guān)教育政策的制定。雖然大趨勢(shì)并不樂(lè)觀，但美國(guó)加利福尼亞、馬薩諸塞和堪薩斯等7州多年前各自通過(guò)地方立法渠道，捍衛(wèi)著英文手寫(xiě)體“最后的尊嚴(yán)”。在專家看來(lái)，練習(xí)英文手寫(xiě)體對(duì)學(xué)生的思維和認(rèn)知能力大有裨益。加拿大2012年曾專門(mén)對(duì)一批低年級(jí)學(xué)生進(jìn)行過(guò)研究，發(fā)現(xiàn)練習(xí)手寫(xiě)體的學(xué)生在學(xué)業(yè)上比只

生疑。被忽略的手寫(xiě)體有一天放在面前可以開(kāi)口說(shuō)話，它代表從主人身體上延伸出來(lái)有親密感的特質(zhì)符碼。手寫(xiě)體更適合被凝視，能讓人察覺(jué)和研究，它一定有什么東西能在視覺(jué)中起作用，讓人在無(wú)窮盡的紛繁思緒中留住一個(gè)具體的物象。信在沒(méi)有拆之前，看熟悉的筆跡便知道來(lái)自哪位親人和朋友。信的內(nèi)容只屬于一位讀者，它以不可復(fù)制性保證價(jià)值。筆被長(zhǎng)久地握于掌心，已成為手的一部分，手握成拳頭等同于一個(gè)人心臟的大小，手寫(xiě)體因此可以承載來(lái)自于生命內(nèi)核的重量和質(zhì)量。情愛(ài)場(chǎng)中，“我愛(ài)你”是三個(gè)永遠(yuǎn)

文印刷體相比,手寫(xiě)體字符的書(shū)寫(xiě)隨意性大,缺乏規(guī)范性.出自不同書(shū)寫(xiě)者的同一類(lèi)漢字在字形、結(jié)構(gòu)上都會(huì)有明顯的差異;并且相鄰漢字之間會(huì)存在粘連,增加了識(shí)別的難度.與英文手寫(xiě)體相比,漢字種類(lèi)繁多,根據(jù)GB2312-80標(biāo)準(zhǔn),漢字共有6763個(gè),其中包括一級(jí)漢字3755個(gè),二級(jí)漢字3008個(gè),同樣給中文手寫(xiě)體識(shí)別增加了難度.因此,中文手寫(xiě)體識(shí)別仍然是一個(gè)具有挑戰(zhàn)性的研究課題.對(duì)于脫機(jī)手寫(xiě)體文本行識(shí)別,主要包括分割成單個(gè)字符的識(shí)別和整行識(shí)別兩種方法[1].對(duì)于分割成單

-支持向量機(jī)的手寫(xiě)體數(shù)字高識(shí)別率方法為了提高手寫(xiě)體數(shù)字的識(shí)別能力，本文提出了一種基于改進(jìn)的C-支持向量機(jī)的手寫(xiě)體數(shù)字高識(shí)別率方法，對(duì)手寫(xiě)體數(shù)字的預(yù)處理、端點(diǎn)提取以及四交叉點(diǎn)特征的提取過(guò)程的算法進(jìn)行優(yōu)化。2.1 支持向量機(jī)核函數(shù)對(duì)于支持向量機(jī)來(lái)說(shuō)，當(dāng)其進(jìn)行信息識(shí)別時(shí)，經(jīng)常會(huì)遇到信息的線性不可分的現(xiàn)象，這種情況下，為了解決線型不可分問(wèn)題，需要引入核空間理論[4]。核空間理論可以解決線性不可分中的高維運(yùn)算過(guò)程中的內(nèi)積問(wèn)題。在支持向量機(jī)算法中，不同的核函數(shù)可以在信

廣泛應(yīng)用，數(shù)字手寫(xiě)體的識(shí)別問(wèn)題得到了越來(lái)越深入的研究.由于不同文化、不同個(gè)體有不同的書(shū)寫(xiě)習(xí)慣，即便是同一個(gè)人，由于書(shū)寫(xiě)環(huán)境、書(shū)寫(xiě)方式等外界因素的不同，都可能導(dǎo)致書(shū)寫(xiě)結(jié)果的不一致，這使得每個(gè)手寫(xiě)體數(shù)字所呈現(xiàn)的特征是多種多樣的.圖1是從MNIST數(shù)字手寫(xiě)體數(shù)據(jù)庫(kù)中選取的手寫(xiě)體數(shù)字樣本，可以看出雖然相同數(shù)字的主要特征相同，但不同數(shù)字手寫(xiě)體樣本即便是代表相同數(shù)字，在外形上可能還是存在較大的差異，這類(lèi)與標(biāo)準(zhǔn)數(shù)字寫(xiě)法相差較大的手寫(xiě)體數(shù)字樣本我們稱之為奇異樣本，奇異樣本

式識(shí)別領(lǐng)域，對(duì)手寫(xiě)體數(shù)字的識(shí)別，是許多從事圖像處理、機(jī)器學(xué)習(xí)研究人員的入門(mén)練習(xí)。其實(shí)現(xiàn)方法已經(jīng)有許多成功的案例，王一木等[1]提出自組織映射簡(jiǎn)化算法在硬件電路上以并行運(yùn)算實(shí)現(xiàn)的手寫(xiě)數(shù)字識(shí)別。邵虹等[2]提出基于投影定位及數(shù)字結(jié)構(gòu)特征的方法識(shí)別發(fā)票印刷體數(shù)字。幸堅(jiān)炬等[3]提出概率神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)mnist數(shù)據(jù)集數(shù)字的識(shí)別，并有較高的準(zhǔn)確率。李瓊等[4]提出在特征空間中確定SVM最優(yōu)核方法實(shí)現(xiàn)手寫(xiě)數(shù)字的識(shí)別。以上實(shí)現(xiàn)方法都采用不同的算法實(shí)現(xiàn)，本文以成功識(shí)別手寫(xiě)數(shù)

配對(duì)、印刷體與手寫(xiě)體不分等等。字母是英語(yǔ)的基礎(chǔ)，就好比萬(wàn)丈高樓的小小的磚塊，缺一不可。掌握好字母，將為以后的英語(yǔ)學(xué)習(xí)打下良好的基礎(chǔ)。在多年的英語(yǔ)教學(xué)中，我總結(jié)了一些教學(xué)字母的方法，在這里與同行們探討。一、發(fā)揮想象，記住字形字母表中的26個(gè)字母，對(duì)初學(xué)英語(yǔ)的小學(xué)生來(lái)說(shuō)，說(shuō)多不多，說(shuō)少不少，加上又存在印刷體和手寫(xiě)體兩種字體，難度就更大了。因此，在教學(xué)中，我盡量讓學(xué)生發(fā)揮想象力，把字母想象成一個(gè)個(gè)的實(shí)體，與生活聯(lián)系起來(lái)。如：通過(guò)學(xué)生討論得出以下結(jié)論：大寫(xiě)字母中，

規(guī)范，印刷體、手寫(xiě)體和漢語(yǔ)拼音字母的寫(xiě)法并存，沒(méi)有注意到它們之間的細(xì)微差別，如：把小寫(xiě)字母l、i、k 、t寫(xiě)成印刷體，把a(bǔ)、d、f、i、k、l、m、n等寫(xiě)成漢語(yǔ)拼音字母的形式，每個(gè)字母寫(xiě)得端端正正，與四線格垂直沒(méi)有斜度，上無(wú)“辮”，下無(wú)“尾”，尾巴也不拐彎，漢語(yǔ)拼音的書(shū)寫(xiě)痕跡明顯。5.不能按照規(guī)范的筆順去書(shū)寫(xiě)，比如：寫(xiě)o順時(shí)針?lè)较蛐泄P，寫(xiě)d 先寫(xiě)一豎后寫(xiě)前面的圓弧等等。單詞書(shū)寫(xiě)常見(jiàn)錯(cuò)誤書(shū)寫(xiě)好單詞的前提是先寫(xiě)好單個(gè)的字母，但字母寫(xiě)規(guī)范了不一定寫(xiě)好單詞，小學(xué)生

你不妨選擇使用手寫(xiě)體。且不說(shuō)女性，幾乎所有的人對(duì)于手寫(xiě)體都會(huì)產(chǎn)生莫名地親切感。比如家具設(shè)計(jì)中，在家具表面進(jìn)行刻寫(xiě)、文字等裝飾時(shí)，可以選擇手寫(xiě)體，顯得文藝有親近感。但并非所有的文字采用手寫(xiě)體都會(huì)起到作用，需要視情況而定。尤其是針對(duì)電子產(chǎn)品來(lái)說(shuō)，在女性的世界里，科技、功能是次要部分，如果你設(shè)計(jì)的產(chǎn)品具備許多功能卻不具備上述的美觀性，那么你的設(shè)計(jì)只適用于男性。這也是為何對(duì)于運(yùn)動(dòng)手環(huán)這種東西，女性一般會(huì)去選擇一個(gè)只具備震動(dòng)，外形卻更像是一款時(shí)尚手鐲的手環(huán)。如果你的

環(huán)境中切分出的手寫(xiě)體字符圖像常伴隨著邊框粘連、隨機(jī)污點(diǎn)、光照不均勻等現(xiàn)象，因此在應(yīng)用識(shí)別算法處理手寫(xiě)體圖像前，往往需要對(duì)手寫(xiě)體字符圖像進(jìn)行預(yù)處理操作[1-2].手寫(xiě)體細(xì)化是圖像預(yù)處理的主要步驟之一，其實(shí)質(zhì)是求手寫(xiě)體骨架的過(guò)程[3].手寫(xiě)體細(xì)化算法通過(guò)保留圖像中與字符有關(guān)的信息來(lái)提取字符特征[4-7]，從而確保輸出的二值圖像畫(huà)面清晰、邊緣明顯.筆者針對(duì)查表算法的缺點(diǎn)，提出一種充分利用手寫(xiě)體節(jié)點(diǎn)的快速細(xì)化算法，以期達(dá)到減少模板數(shù)量、縮短匹配過(guò)程耗時(shí)、優(yōu)化細(xì)化結(jié)

0)0 引 言手寫(xiě)體數(shù)字識(shí)別是光學(xué)字符識(shí)別的一個(gè)重要分支，分為聯(lián)機(jī)手寫(xiě)體數(shù)字識(shí)別和脫機(jī)手寫(xiě)體數(shù)字識(shí)別。在聯(lián)機(jī)手寫(xiě)體數(shù)字識(shí)別中，計(jì)算機(jī)可以通過(guò)與之相連的輸入設(shè)備得到關(guān)于筆尖運(yùn)動(dòng)軌跡和速度的有效信息，所以識(shí)別相對(duì)較易[1]。由于數(shù)字圖像的數(shù)據(jù)量龐大且書(shū)寫(xiě)風(fēng)格的迥異等干擾因素對(duì)識(shí)別會(huì)產(chǎn)生很大的影響，因此脫機(jī)手寫(xiě)體數(shù)字識(shí)別難度較大，但其應(yīng)用領(lǐng)域更加寬泛。因此這是一項(xiàng)意義重大的研究課題。鑒于傳統(tǒng)的單一分類(lèi)器對(duì)數(shù)字之間差異的敏感性不同，許多學(xué)者開(kāi)始研究組合分類(lèi)器所產(chǎn)生

配對(duì)、印刷體與手寫(xiě)體不分等等。字母是英語(yǔ)的基礎(chǔ)，就好比萬(wàn)丈高樓的小小的磚塊，缺一不可。掌握好字母，將為以后的英語(yǔ)學(xué)習(xí)打下良好的基礎(chǔ)。在多年的英語(yǔ)教學(xué)中，我總結(jié)了一些教學(xué)字母的方法，在這里與同行們探討。一、發(fā)揮想象，記住字形字母表中的26個(gè)字母，對(duì)初學(xué)英語(yǔ)的小學(xué)生來(lái)說(shuō)，說(shuō)多不多，說(shuō)少不少，加上又存在印刷體和手寫(xiě)體兩種字體，難度就更大了。因此，在教學(xué)中，我盡量讓學(xué)生發(fā)揮想象力，把字母想象成一個(gè)個(gè)的實(shí)體，與生活聯(lián)系起來(lái)。如：通過(guò)學(xué)生討論得出以下結(jié)論：大寫(xiě)字母中，

材料可以呈現(xiàn)為手寫(xiě)體文字和打印體文字, 而手寫(xiě)體文字作為早期文化流傳的重要載體,曾起到過(guò)很重要的作用。但是隨著打印體文字的出現(xiàn), 手寫(xiě)體文字的應(yīng)用受到了很大的沖擊。打印體文字相對(duì)規(guī)范, 相同詞匯經(jīng)過(guò)多次打印, 可以做到其形狀基本不變, 其中的細(xì)微差別很難用肉眼發(fā)現(xiàn)。手寫(xiě)體文字有區(qū)別于打印體文字的特點(diǎn)和存在的價(jià)值, 手寫(xiě)體文字大小不一, 結(jié)構(gòu)多變, 而且與書(shū)寫(xiě)者的書(shū)寫(xiě)風(fēng)格及書(shū)寫(xiě)習(xí)慣有著密切的聯(lián)系。手寫(xiě)體文字不可能完全被打印體文字取代, 在小學(xué)生識(shí)字過(guò)程中,

信必須是工整的手寫(xiě)體必須是藍(lán)墨水必須是我的名字必須是我從字跡一眼就能認(rèn)出的一個(gè)人信的開(kāi)頭一律是親愛(ài)的信的結(jié)尾卻是君子間的春安，夏安，秋安和冬安。落款處有留白。有水墨畫(huà)的意境和情懷我會(huì)回一封同樣的信用手寫(xiě)體，藍(lán)墨水，親愛(ài)的，祝安……這不是兩個(gè)人的張燈結(jié)彩這是一個(gè)時(shí)代的天真和熱忱這樣的信我會(huì)壓在箱底它不是詩(shī)，卻是我們心靈的歷史這樣的信無(wú)疑是人類(lèi)情感世界里最美的翡翠原石endprint

310018)手寫(xiě)體數(shù)字字符識(shí)別算法仿真比較研究陳 龍， 郄小美， 黃信靜， 林 虎(杭州電子科技大學(xué) 電子信息學(xué)院， 杭州 310018)采用BP神經(jīng)網(wǎng)絡(luò)、原始極限學(xué)習(xí)機(jī)、正則極限學(xué)習(xí)機(jī)和傅里葉變換優(yōu)化極限學(xué)習(xí)機(jī)算法分別進(jìn)行手寫(xiě)體數(shù)字字符識(shí)別仿真實(shí)驗(yàn)，通過(guò)MINIST數(shù)據(jù)庫(kù)中的10 000個(gè)手寫(xiě)體數(shù)字樣本訓(xùn)練神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)傳輸過(guò)程中的參數(shù)，用訓(xùn)練所得神經(jīng)網(wǎng)絡(luò)參數(shù)進(jìn)行手寫(xiě)體數(shù)字識(shí)別仿真測(cè)試。比較4種算法的仿真效果，BP網(wǎng)絡(luò)識(shí)別效果最好、訓(xùn)練速度最慢，原始極限

下，讓維吾爾語(yǔ)手寫(xiě)體為大眾所熟知。關(guān)鍵詞：維吾爾語(yǔ)；手寫(xiě)體；電腦；識(shí)別技術(shù)；探討中圖分類(lèi)號(hào)：TP391 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2017）03-0166-02維吾爾語(yǔ)手寫(xiě)體網(wǎng)上電腦識(shí)別技術(shù)是自動(dòng)化的，電腦自動(dòng)把待識(shí)別模式納入到識(shí)別工作中。模式識(shí)別在字符辨認(rèn)、指紋辨別、神態(tài)辨別、話語(yǔ)辨別等領(lǐng)域已經(jīng)開(kāi)始普及使用。而書(shū)面識(shí)別也是模式識(shí)別的其中一種。伴隨電腦科技的日新月異，數(shù)字圖像處置與解析也已經(jīng)滲透到了科技行業(yè)。[1]漢字識(shí)別通過(guò)超過(guò)20年

學(xué)習(xí)算法及其在手寫(xiě)體漢字識(shí)別上的應(yīng)用喻方元（湖北汽車(chē)工業(yè)學(xué)院 理學(xué)院，湖北 十堰 442002）介紹了基于神經(jīng)反應(yīng)的導(dǎo)出核學(xué)習(xí)算法，以金連文漢字字庫(kù)為例，將學(xué)習(xí)算法運(yùn)用于手寫(xiě)體漢字識(shí)別，取得了較好的識(shí)別效果。導(dǎo)出核；神經(jīng)反應(yīng)；金連文漢字字庫(kù)1 問(wèn)題的提出2008年11 月，美國(guó)著名數(shù)學(xué)家、數(shù)學(xué)諾貝爾獎(jiǎng)——菲爾茲數(shù)學(xué)獎(jiǎng)與沃爾夫數(shù)學(xué)獎(jiǎng)雙料得主、加利福尼亞大學(xué)steve smale教授發(fā)表了題為mathemat?ics of neural response的文章

靖試卷識(shí)別中的手寫(xiě)體識(shí)別廣州廣電運(yùn)通金融電子股份有限公司 王倩文 崔山領(lǐng) 徐 靖?jìng)鹘y(tǒng)閱卷方式要耗費(fèi)大量的人力和物力、耗時(shí)長(zhǎng),管理也不方便。隨著科技的發(fā)展,自動(dòng)化閱卷需求日益增多。自動(dòng)化閱卷系統(tǒng)強(qiáng)烈依賴于圖像處理技術(shù),整個(gè)系統(tǒng)主要包括圖像采集、圖像傾斜校正、版面分析、圖像分割、在線閱卷和成績(jī)錄入等模塊,是一個(gè)龐大而復(fù)雜的系統(tǒng)。本文針對(duì)自動(dòng)化閱卷系統(tǒng)中的一個(gè)重要環(huán)節(jié)在線閱卷模塊中涉及的手寫(xiě)體識(shí)別,提出基于卷積神經(jīng)網(wǎng)絡(luò)的解決方案。手寫(xiě)體識(shí)別;卷積神經(jīng)網(wǎng)絡(luò);字符識(shí)

蘭學(xué)生不必學(xué)習(xí)手寫(xiě)體“你上一次用紙和筆‘寫(xiě)’信是什么時(shí)候？”英國(guó)《衛(wèi)報(bào)》的專欄作家西蒙·詹金斯問(wèn)道。他至今仍然手寫(xiě)所有感謝信和悼念信?！拔覀兌际怯∷r(shí)代的奴隸，只有手寫(xiě)才能傳達(dá)真正的美麗?！钡脖硎?，自己的速記能力幾乎已經(jīng)消失了，他無(wú)法想象自己用紙筆完成一篇論文--持續(xù)的手寫(xiě)看起來(lái)像一場(chǎng)災(zāi)難。從2016年秋天起，芬蘭的學(xué)生不必學(xué)習(xí)手寫(xiě)體和連體字，而是學(xué)習(xí)打字。芬蘭教育部門(mén)的理由是，孩子們只需要熟悉印刷體的字母，并且將注意力集中在“發(fā)展數(shù)字時(shí)代的技能”。從

基于神經(jīng)網(wǎng)絡(luò)的手寫(xiě)體數(shù)字識(shí)別陳園園，袁煥麗，石齊雙（周口師范學(xué)院物理與電信工程學(xué)院，河南周口466001）本文重點(diǎn)解決以圖像方式存在的手寫(xiě)體數(shù)字識(shí)別問(wèn)題，首先對(duì)圖像進(jìn)行預(yù)處理，其次對(duì)結(jié)構(gòu)特征進(jìn)行提取，最后利用神經(jīng)網(wǎng)絡(luò)模型對(duì)前面兩步得到的樣本數(shù)據(jù)進(jìn)行學(xué)習(xí)和訓(xùn)練。通過(guò)MATLAB進(jìn)行仿真，神經(jīng)稀疏編碼算法應(yīng)用在手寫(xiě)體數(shù)字識(shí)別中能夠得到比較好的識(shí)別率。手寫(xiě)體數(shù)字識(shí)別；預(yù)處理與特征提??；神經(jīng)稀疏編碼算法；MATLAB0　引 言近年來(lái)，模式識(shí)別獲得了迅猛發(fā)展和學(xué)術(shù)界

65）PNN在手寫(xiě)體數(shù)字識(shí)別中的應(yīng)用幸堅(jiān)炬，李軍，謝贊福（廣東技術(shù)師范學(xué)院計(jì)算機(jī)科學(xué)學(xué)院，廣州510665）稅務(wù)、金融等經(jīng)濟(jì)領(lǐng)域的手寫(xiě)體數(shù)字信息通過(guò)計(jì)算機(jī)進(jìn)行自動(dòng)識(shí)別處理，可以節(jié)省人力、物力和財(cái)力，具有較高的實(shí)用價(jià)值。介紹概率神經(jīng)網(wǎng)絡(luò)的基本原理，并將概率神經(jīng)網(wǎng)絡(luò)應(yīng)用于手寫(xiě)體數(shù)字識(shí)別中，在一定的訓(xùn)練樣本和網(wǎng)絡(luò)擴(kuò)散速度情況下，實(shí)現(xiàn)基于概率神經(jīng)網(wǎng)絡(luò)的手寫(xiě)體數(shù)字識(shí)別。通過(guò)MATLAB對(duì)MNIST手寫(xiě)體數(shù)據(jù)庫(kù)數(shù)據(jù)進(jìn)行仿真實(shí)驗(yàn)驗(yàn)證，結(jié)果表明概率神經(jīng)網(wǎng)絡(luò)在手寫(xiě)體數(shù)字識(shí)別

iting： 手寫(xiě)體，草書(shū)。2. mentor： 導(dǎo)師，顧問(wèn)。3. regarding： 關(guān)于；assignment： 作業(yè)，任務(wù)。4. slip： 片，紙片。5. retrieve： 取回，索回。6. Palmer： 一種西文字體； penmanship： 書(shū)法，筆跡；delicately： 精致地，優(yōu)美地；curved： 彎曲的；list： 傾斜；gently： 輕輕地。7. interject： 突然插話。8. on the verge of： 瀕臨

變發(fā)展受到俗書(shū)手寫(xiě)體書(shū)法系統(tǒng)的影響，并落后于俗書(shū)手寫(xiě)體。秦襄公立國(guó)后，沿襲西周大篆典范對(duì)文字做了系統(tǒng)的規(guī)范與整理。宏偉莊重、凝重渾樸的西周書(shū)風(fēng)得以在秦國(guó)持續(xù)穩(wěn)定的發(fā)展?，F(xiàn)存贏秦最早的銘文《不期簋蓋銘》，線條厚重執(zhí)拗，結(jié)體穩(wěn)重古拙，一派西周凝渾厚重風(fēng)范。春秋早期秦武公《秦公鐘》《秦公鑄》銘文，書(shū)風(fēng)遵循西周典范的同時(shí)，秦文正體已經(jīng)開(kāi)始改造，嘗試精美整飭的方向發(fā)展了?！肚毓姟枫懳木€條較粗，古質(zhì)內(nèi)斂，郁博強(qiáng)雄?！肚毓椤枫懳木€條細(xì)勁精美，有些鐵線篆的意味，筆勢(shì)開(kāi)

中，需要使用到手寫(xiě)體數(shù)字識(shí)別的過(guò)程，用聚類(lèi)源的形式來(lái)對(duì)篩選的結(jié)果進(jìn)行歸納，再經(jīng)過(guò)對(duì)模糊關(guān)系矩陣的構(gòu)建，就能夠開(kāi)始時(shí)模糊聚類(lèi)了。實(shí)踐證明，該方法具有非常搞得有效性，能夠?qū)ν饨绲母蓴_有很強(qiáng)的抵制作用，不僅準(zhǔn)確率和識(shí)別率都有所提高，而且還消除了傳統(tǒng)算法下單因子因素帶來(lái)的局限性的影響，具有非常高的實(shí)踐意義。關(guān)鍵詞：模糊聚類(lèi)；算法；手寫(xiě)體；數(shù)字識(shí)別中圖分類(lèi)號(hào)：TP18 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2016）04-0175-02在針對(duì)模式識(shí)別的研究領(lǐng)

概率神經(jīng)網(wǎng)絡(luò)的手寫(xiě)體數(shù)字識(shí)別宋昌統(tǒng)，黃力明，王輝隨著手寫(xiě)體數(shù)字識(shí)別技術(shù)的發(fā)展以及概率神經(jīng)網(wǎng)絡(luò)的應(yīng)用，基于概率神經(jīng)網(wǎng)絡(luò)的手寫(xiě)體數(shù)字識(shí)別技術(shù)，即PNN技術(shù)，是手寫(xiě)體數(shù)字識(shí)別領(lǐng)域才剛剛開(kāi)始的一個(gè)研究方向。本文把概率神經(jīng)網(wǎng)絡(luò)技術(shù)應(yīng)用在數(shù)字識(shí)別系統(tǒng)中,在特征提取技術(shù)的基礎(chǔ)上，設(shè)計(jì)了特征提取算法，通過(guò)手寫(xiě)體數(shù)字識(shí)別流程，構(gòu)造了概率神經(jīng)網(wǎng)絡(luò)的分類(lèi)器。最后在數(shù)據(jù)輸入、特征提取、模型訓(xùn)練、測(cè)試等幾個(gè)部分，實(shí)現(xiàn)了手寫(xiě)體數(shù)字識(shí)別，獲得了令人滿意的正確度。神經(jīng)網(wǎng)絡(luò)；手寫(xiě)體數(shù)字識(shí)別

的學(xué)生不必學(xué)習(xí)手寫(xiě)體和連體字，而是學(xué)習(xí)打字。教育部門(mén)認(rèn)為，孩子們只需要熟悉印刷體的字母，并且著重“發(fā)展數(shù)字時(shí)代的技能”便可。芬蘭全國(guó)教育委員會(huì)的明娜說(shuō)：“熟練的打字技巧是重要的國(guó)家競(jìng)爭(zhēng)力?！彼J(rèn)為，打字更貼近日常生活。雖然有人認(rèn)為這樣的教育導(dǎo)向?qū)τ跊](méi)有電腦的孩子而言不公平，但多數(shù)芬蘭人更支持讓孩子學(xué)習(xí)打字。對(duì)于芬蘭教育新政，有人認(rèn)為是順應(yīng)時(shí)代，有人則為傳統(tǒng)的流失扼腕嘆息。同學(xué)們，除了考試和寫(xiě)作業(yè)之外，你們還會(huì)堅(jiān)持手寫(xiě)嗎？

和變粒度原理的手寫(xiě)體漢字識(shí)別王建平，王夢(mèng)澤合肥工業(yè)大學(xué)電氣工程及自動(dòng)化學(xué)院，合肥 230009手寫(xiě)體漢字識(shí)別是超多類(lèi)模式識(shí)別問(wèn)題，被公認(rèn)為是模式識(shí)別領(lǐng)域中難題之一。粗糙集理論已經(jīng)成功地運(yùn)用到手寫(xiě)體漢字識(shí)別的研究中，但是仍然存在諸多的不完善，本文利用三枝粗糙集原理解決如何建立較完備穩(wěn)定的特征表示和提取方法，以及處理不確定、不精確和不完全性特征信息的識(shí)別決策機(jī)制[1]。粗糙集理論于1982年由波蘭科學(xué)家Pawlak提出，它是一種研究不確定、不完整知識(shí)和數(shù)據(jù)的表

結(jié)構(gòu)特征的自由手寫(xiě)體數(shù)字識(shí)別算法研究陳軍勝寧夏大學(xué) 機(jī)械工程學(xué)院，銀川 750021在過(guò)去的幾十年，隨著數(shù)字化、信息化在社會(huì)生活方方面面的推廣及普及，手寫(xiě)體的識(shí)別成為模式識(shí)別的研究熱點(diǎn)。數(shù)字手寫(xiě)體因其在郵政編碼、統(tǒng)計(jì)報(bào)表、財(cái)務(wù)報(bào)表、銀行票據(jù)等方面的廣泛使用，它的自動(dòng)識(shí)別更是受到了人們的廣泛關(guān)注。但是很多方法只是停留在理論研究之中，實(shí)際生活中手寫(xiě)體數(shù)字因個(gè)人書(shū)寫(xiě)風(fēng)格的不同而存在字符變形多樣的問(wèn)題，造成現(xiàn)有算法在手寫(xiě)體識(shí)別中識(shí)別率底、穩(wěn)定性差、魯棒性不足等多方

書(shū)寫(xiě)風(fēng)格，造成手寫(xiě)體維吾爾文有很大的隨意性；而且受手機(jī)屏幕大小的限制，導(dǎo)致手機(jī)終端上手寫(xiě)的維文字符會(huì)產(chǎn)生一定的傾斜度。進(jìn)行聯(lián)機(jī)和脫機(jī)維文字符的特征提取和識(shí)別[1]之前都需要對(duì)手寫(xiě)體維文字符進(jìn)行傾斜校正。目前，比較常用的傾斜檢測(cè)方法有基于Hough變換的方法[2]、基于交叉相關(guān)性的方法、行間距跨度相關(guān)法[3]、基于 Fourier變換的方法[3]、基于投影的方法[3]和 K-最近鄰簇的方法等。本文基于Hough變換檢測(cè)字符傾斜角度,利用Hough變換對(duì)灰度化

467000)手寫(xiě)體識(shí)別(Handwriting Recognize)是指將在手寫(xiě)設(shè)備上書(shū)寫(xiě)產(chǎn)生的有序軌跡信息轉(zhuǎn)化為內(nèi)碼的過(guò)程。WindowsCE是一個(gè)開(kāi)放的、可升級(jí)的32位嵌入式操作系統(tǒng)，是基于掌上型電腦類(lèi)的電子設(shè)備操作系統(tǒng)。主要應(yīng)用在手機(jī)、指紋識(shí)別系統(tǒng)、汽車(chē)電子檢測(cè)設(shè)備、智能家電、醫(yī)療儀器、工業(yè)控制儀器、定位導(dǎo)行設(shè)備上。本文嘗試在WindowsCE環(huán)境下建立一個(gè)手寫(xiě)體識(shí)別系統(tǒng)。1 手寫(xiě)體識(shí)別系統(tǒng)的設(shè)計(jì)本文系統(tǒng)對(duì)手寫(xiě)文字的識(shí)別過(guò)程主要包括：用戶在系統(tǒng)手寫(xiě)

5)多民族脫機(jī)手寫(xiě)體漢字?jǐn)?shù)據(jù)庫(kù)的設(shè)計(jì)與構(gòu)建鄭蕊蕊，趙繼印，李 敏，于為民，吳寶春(大連民族學(xué)院信息與通信工程學(xué)院，遼寧大連 116605)設(shè)計(jì)并構(gòu)建了一種記錄書(shū)寫(xiě)者民族信息的手寫(xiě)體漢字?jǐn)?shù)據(jù)庫(kù)——大連民族學(xué)院DNU－Ⅰ型多民族脫機(jī)手寫(xiě)體漢字?jǐn)?shù)據(jù)庫(kù)。包括單字庫(kù)、行文本庫(kù)和段文本庫(kù)3個(gè)子庫(kù)。為少數(shù)民族漢字書(shū)寫(xiě)特征分析、中文文檔的行切分、漢字的切分識(shí)別、中文文本的無(wú)切分識(shí)別、筆跡鑒別和簽名驗(yàn)證等方面的研究奠定基礎(chǔ)，并提供算法的驗(yàn)證平臺(tái)。同時(shí)介紹了字符識(shí)別數(shù)據(jù)庫(kù)的一

0300）由于手寫(xiě)體簽名在信用卡身份檢查、支票簽名及機(jī)場(chǎng)登機(jī)身份驗(yàn)證等安全檢查方面的應(yīng)用，使手寫(xiě)體簽名自動(dòng)識(shí)別已成為模式識(shí)別重要的研究領(lǐng)域。離線手寫(xiě)體簽名識(shí)別已丟失書(shū)寫(xiě)過(guò)程的動(dòng)態(tài)信息，僅依靠簽名圖像的靜態(tài)信息，可用信息較少，識(shí)別難度較大。目前的離線簽名識(shí)別有結(jié)構(gòu)和統(tǒng)計(jì)兩種方法。結(jié)構(gòu)方法中利用空間分布特征、筆段特征、輪廓檢測(cè)等方法提取字形結(jié)構(gòu)[1-2]，對(duì)結(jié)構(gòu)特征較敏感，區(qū)分相似字的能力較強(qiáng)，但是結(jié)構(gòu)特征難以抽取，不穩(wěn)定；以自組織映射方法、神經(jīng)網(wǎng)絡(luò)、概率密度

的字卻失掉了原手寫(xiě)體的神韻，需要把放大后的字進(jìn)行加工整修。幾個(gè)人試過(guò)了，都不能令人滿意。魏長(zhǎng)青被推薦出來(lái)。他仔細(xì)分析毛主席手寫(xiě)體字的特點(diǎn)，然后精心描摹，細(xì)致加工。把加工好的字再照相縮小20倍與原手寫(xiě)體相對(duì)照，惟妙惟肖不差毫厘。把放大的字往石碑上刻，碑心石是塊花崗巖，又硬又脆，一鏨就崩。魏長(zhǎng)青建議:把膠皮覆蓋在碑體上，將需要鏨刻部位的膠皮挖下來(lái)，形成“陰文”輪廓，然后用高壓噴射礦砂往花崗巖上“打”。就這樣，“打”出了一個(gè)個(gè)邊緣整齊的大字。