论文部分内容阅读
近年来,模式识别领域出现了一些新的理论和方法,子空间模式识别法就是其中之一。本文研究的目的就是将这一新的识别方法应用于手写字符的小字符集识别,并结合神经网络识别方法构造一个实用的集成识别系统。本文的应用背景是高校毕业生就业信息光电录入及管理系统。子空间方法最初是线性特征抽取和数据压缩的产物,其作用是将矢量形式给出的数据压缩到能量集中的主轴上,实现数据从高维空间向低维空间映射。应用于字符识别中,子空间模式识别方法的关键作用就在于:将字符特征矢量从高维空间向低维空间映射,找出代表各类别的能量主轴,由此构造出代表各类别特征的子空间。在分类决策时,将样本特征矢量向各类别子空间投影,由投影长度判别样本归属,这也是子空间方法与其它统计模式识别方法的不同之处。作为一种新的模式识别方法,本文讲述了子空间方法的基本理论、子空间分类器的构造、分类决策规则、拒识规则等知识,并用多种小字符集测试了具有代表性的BLSM和ALSM子空间识别器。不管是子空间识别方法还是已经发展成熟的其它方法,都有其优点和缺点,字符识别的方向是多种方法的集成识别。本文讨论了集成识别的作用与必要性,集成识别的层次,集成的两种基本构成机制和集成组合算法。最后,用子空间分类器和BP神经网络分类器构造了一个混联模型,用于手写英文字母和数字的识别。预处理和特征抽取是字符识别系统的重要阶段,与识别器精度密切相关。本文首先对字符图像进行了平滑、取轮廓、非线性归一化等处理,然后,针对不同的识别对象,提取了多种字符特征。字体识别是本文的又一特点,文中详细讨论了基于小波包纹理特征的字体识别方法。本文的研究成果应用于高校毕业生就业信息光电录入及管理系统。通过对任务的分析,提出了总体方案设计及详细的解决办法。运用字符识别技术、面向对象编程技术和现代数据库技术,协助高校就业管理部门圆满解决了毕业生就业信息录入及管理的需求。