论文部分内容阅读
本文提出了一种草写体字符识别器,它基于分割和识别方式的关键模型,适用于任何草写体单词系统,通过支持向量机(SVM)和神经气体实现字符的分类。在单一类别或非单一类别中,神经气体采用验证某些字符是否在上部和下部的连接情况,然后由SVM进行字符的识别。在数据库中,对57,293个字符采用草写体字符识别器进行训练和试验。根据识别率与特殊的神经分类器,如学习向量机的数字化和多层感知器的比较,SVM的性能较好。在草写体字符识别中,SVM的识别率是最高的。