导读:本文包含了联机手写识别论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:字符,汉字,向量,藏文,维吾尔,在线,卷积。
联机手写识别论文文献综述
唐胜凯,孙彩虹[1]（2019）在《联机手写识别在手机游戏中的应用研究》一文中研究指出联机手写识别在手机游戏中的应用已有相关产品,其中一个成功案例是将手写笔迹转换为方向码序列进行模式匹配,取相似度最高的模式作为识别结果。但是这种算法的健壮性差,对不规范的手写笔迹识别率低,而且算法的效率可进一步优化。针对这些缺陷,通过优化手写笔迹方向模型和编辑距离算法,提出了一种基于方向组的联机手写识别算法。通过对比实验证明,改进后的算法有效提高了联机手写识别系统的健壮性和识别率,而且算法的运行效率更高。(本文来源于《电脑知识与技术》期刊2019年12期）
曲丽娜[2]（2018）在《联机手写汉字识别系统应用研究》一文中研究指出介绍了联机手写汉字识别的关键技术,重点研究卷积祌经网络结构,搭建TensorFlow实验平台,以中国科学院采集的CASIA-OLHWDB数据集进行训练,结果表明,将卷积神经网络方法应用于联机手写识别系统中能取得较好的效果。(本文来源于《信息与电脑(理论版)》期刊2018年18期）
余勇[3]（2017）在《联机手写体新傣文字符识别技术研究》一文中研究指出大多数少数民族地区的语言及文字信息化发展相对滞后是我国的现状,傣族地区也不例外,而目前联机手写体新傣文字符识别的研究相较于汉字、维吾尔字符和藏文字符等识别研究少之又少。研究联机手写体新傣文字符识别技术有利于加快傣族文字信息化进程和对传统文化的继承与保护。本文的主要工作包括新傣文字符样本采集、预处理、代表性特征的提取以及研究了两种联机手写体新傣文字符识别的方法,分别是支持向量机(SVM)和在线随机森林(ORF)算法。在预处理阶段,本文主要采用了叁点平滑算法、归一化处理、插值运算和重采样。在对联机手写体新傣文字符预处理结束后需要进行特征提取,它是字符识别中的关键一步,本文主要提取了字符笔画数目特征、始点和终点向量特征、附加笔画位置特征、始点与终点的象限特征、字符外接矩形的宽高比特征、起笔和收笔的方向特征,字符的八方向链码特征,直线相交特征和二值图像粗网格特征,共计9种120维有效特征。使用这些特征分别对支持向量机和在线随机森林算法进行训练分类模型和识别测试,最终的实验结果是:采用Libsvm实现支持向量机算法的识别正确率可以达到89.476%,采用在线随机森林算法的识别正确率为87.857%,说明这两种算法在联机手写体新傣文字符识别中是有效的。本文最后还针对SVM分类模型,对特征集进行了优化,提升了SVM分类器的识别效率。联机手写体新傣文字符识别还处于探索阶段,本文仅对两种识别方法进行了探索,为联机手写体新傣文识别进一步的研究提供参考。后期还需要对其进行改进和完善。(本文来源于《云南大学》期刊2017-05-01）
黄弋石[4]（2016）在《藏文联机手写识别建模研究》一文中研究指出为了解决藏文联机手写识别,先定义6个基本元。然后,用基本元对每个藏文字母中的独立笔画进行描述。根据基本元定义的具体描述,对每个字母实施编码,发现几乎没有重码。接着,对每个字符实施整体编码,加以整体识别。该方法新颖简捷,运算高速,体积短小,不同于前人各种复杂的二维图形识别方案。这一方案思想,可以成功移植到韩文与日文,同样适合书写结构相类似的任何文字。(本文来源于《信息与电脑(理论版)》期刊2016年03期）
操苏立[5]（2015）在《联机手写文字的序列化与识别方法》一文中研究指出随着联机手写识别精度的不断提高,识别算法的复杂度也随之上升。然而,就算是目前识别性能最好的卷积神经网络模型,在识别某些用户的手写文字时也有可能只有60%左右的平均首选识别率。由于已有模型的复杂性,很难通过实时在线训练的方式让识别引擎快速适应这类用户的书写习惯,从而大幅提升针对他们的识别性能。为了解决这一问题,必须寻找一种全新的识别模型与方法,该方法既能够对书写人的不同书写特点进行实时、增量自适应,同时其计算复杂度又要足够的低,以便算法能够运行于智能移动设备客户端上,这就对联机手写识别提出了一个全新的挑战,而这方面目前还缺乏系统研究。针对上述任务,本文提出了一种将手写文字按特定的切分规则切分成基本的、语言无关的自然笔画序列,然后将该序列转化成字符串序列来进行手写字符识别的方法。本文的方法主要包括叁个部分:首先,为了获得稳定的自然笔画序列,对所采集到的联机手写文字进行预处理,设计实现了稳定的笔段提取的规则和基于向量游走的笔段切分方法。然后,针对自然笔画的特征,本文对自然笔画的类型进行了扩充,并实现了自然笔画类型的识别,将手写文字的自然笔画序列转换成了与类型相对应的字符串序列。在此基础上,本文引入了字符串匹配的最小编辑距离的方法对字符串序列进行匹配与识别。为了进一步提升识别性能,我们提出并实现了笔画的模糊尺度提取模型以及基于该模型的识别候选的重排序方法。为了对序列化方法的可行性进行验证,本文将公共数据集HIT-OR3C分为训练和测试部分,对所提出的手写文字序列化和识别方法进行书写人相关和书写人无关的识别性能测试。实验结果表明,在对手写文字进行序列化后,采用最小编辑距离序列匹配方法对于手写人无关识别能分别获得55.85%和89.58%的首选和10选正确率,而在每个字只使用同一书写人的两套训练样本后,书写人相关的首选和10选正确率分别为65.92%和91.90%。而通过引入基于笔画模糊尺度的候选结果重排序方法,本文的书写人相关首选和前10选正确率大为提升,分别达到了79.87%和94.26%。由于与传统方法相比,本文方法可以有效地减少训练时间,而且可以实时地将用户书写样本加入已有模型,因此这一实验结果证明了本文方法在手写文字实时增量学习和用户自适应上的良好应用潜力。(本文来源于《哈尔滨工业大学》期刊2015-06-01）
李庆佑,刘宏申,李兴[6]（2014）在《联机手写连笔字符识别特征提取算法优化》一文中研究指出消费类电子终端产品的普及,对联机手写字符输入提出了更高的要求,联机手写字符识别技术的研究有着广泛的市场前景和深刻的理论意义。其中联机手写连笔字符是最常见字符之一,本文首先以联机手写数字字符为例在手写板上画出连笔数字,得到数字信息的原始特征,然后对原始特征进行再次提取,针对连笔字符结构特征提取不稳定性以及笔段区位高重合性的缺陷而影响识别结果,本文在聚类算法基础上提出基于贝叶斯分类器的逼近笔段提取优化算法,将字符样本优化前区划的36个区间,优化后增加17种笔段关系分布特征,得到53个匹配特征。通过20名在校大学生现场实验,结果证明这种优化算法具有较低的计算复杂度和很好的逼近效果,有效提高识别率。(本文来源于《人类工效学》期刊2014年05期）
龚杨杨[7]（2014）在《联机手写数学表达式识别方法的研究》一文中研究指出随着网络技术和计算机技术的快速发展，电子文档成为日常学习和工作中不可或缺的资料。数学表达式作为许多电子文档重要的组成部分，如何将其输入到计算机中是亟待解决的问题。早期人们主要通过MathType一类型的图形化交互界面编辑器和LaTex一类型的一维描述语言进行数学表达式录入。基于图形化交互的数学表达式编辑工具存在效率低和输入繁琐等缺点，而基于数学表达式描述语言的录入要求录入者掌握该语言才能进行描述。随着手写技术设备的发展与普及，数学表达式联机手写录入由于更加直观和方便，成为了一种重要的录入手段，联机手写数学表达式识别技术也成为了研究热点。联机手写数学表达式识别过程一般分为符号分割、字符识别和结构分析叁个连续的步骤。现有识别方法均采用上述识别过程，只是对不同步骤采用的具体方法不一样。当输入新笔画时，现有的识别方法往往丢弃之前识别的结果，然后重新开始整个识别过程，并且不支持笔画的回写，可见，现有方法在识别速度和识别率两个方面都有值得改进的地方。本文旨在研究输入笔画对区域的影响以及表达式组织结构对笔画动态改变的适应能力，以期寻求一种更加优化的识别方法。论文主要开展了以下一些工作：1)本论文通过分析大量手写数学表达式输入实例，发现新输入的笔画在绝大部分情况下只影响先前输入的数学表达式的一部分，于是提出了基于笔画影响区域定位的实时识别方法。该方法以先前的识别结果为基础，并将先前的识别结果存储在一棵数学表达式树中，在表达式树中寻找新输入笔画影响的部分，最后根据新输入笔画和受其影响的表达式树中的节点的关系动态调整数学表达式树结构，从而完成数学表达式的识别。2)现有的方法没有解决笔画回写问题，本文提出了笔画影响区域定位算法，该算法将需要进行符号分割、字符识别和结构分析的笔画集缩小到可控范围，从而解决了笔画回写问题，也同时解决了现有识别方法中的符号分割搜索空间过大问题。3)在上述研究工作的基础上，本文设计并实现了一个联机手写数学表达式识别原型系统。利用该系统，结合现有的标准数据集对本文识别方法的可行性和有效性进行了验证，并将实验结果与相关识别方法做了对比。结果显示本文的识别方法在识别速度和识别率上较之现有识别方法均有提高。(本文来源于《重庆大学》期刊2014-04-01）
玛依热·依布拉音,地里木拉提·吐尔逊,艾斯卡尔·艾木都拉[8]（2013）在《识别和几何信息融合的维吾尔文联机手写单词分割》一文中研究指出通过对手写维吾尔文字中的字母连接特点的深入研究,提出了一种有效的基于动态规划的联机手写单词分割方案:首先,去掉单词中的附件部分后,通过分析主要笔划书写轨迹的形状,找出潜在的过分割点并合并被切分成的基本块与对应它的附加部分,得到基本字母片段序列;然后,对相邻的基本片段进行组合形成切分候选网格;再利用单字母分类信息和基于切分块的几何信息进行融合,采用动态规划算法来进行评价分析,从而动态分割并寻找出最优的分割路径。对于联机单词样本进行的实验证明,上述方案对于维吾尔文单词的分割有很好的效果。(本文来源于《高技术通讯》期刊2013年07期）
陈肇欣[9]（2013）在《联机手写汉字文本行识别算法研究》一文中研究指出在手写输入法领域，传统的手写系统受输入设备、识别技术等因素所限，大多只支持单字符输入识别，这样往往会限制了输入法的输入速度，影响用户体验，使得用户更倾向于选择更加流畅的键盘输入。针对此项技术的不足，人们希望能够研究出一种快速、流畅的手写文本行输入系统，在保证识别精度的同时提高输入速度，改善用户体验。为了支撑上述手写文本输入法的发展，针对文本行识别方法的研究显得至关重要。对于一个电子设备来说，手写输入的轨迹就是一串连续的笔划位置信号——即联机手写文本数据，识别系统难以从文本行一连串的笔划中分离出每个单独的字符数据加以识别。因此文本所研究主要问题为如何准确找到文本行中的单字符笔划区域并正确识别，用到的主要技术有文本行切分、字符分类、字符几何模型分类、识别路径选择、上下文语言模型等诸多识别技术。识别精度不仅受到单字符分类器的精度限制，更受文本行分段正确率的限制，使得该项工作颇具挑战，富有研究意义。本文的主要工作及贡献如下：1.针对联机手写文本行数据中的切分问题，本文提出了字符尾部去延长笔的处理方法，减少了尾部延长笔冗余信息导致字符重迭率过大的影响，将文本行的切分准确率提高到97.82%，切分率有效率提高到69.38%，提高了识别准确率的同时降低了路径搜索算法的计算量。2.本文设计了一种几何特征分类方法，并针对文本行书写时易产生的字符位置上下浮动问题，本文提出了一种动态文本行中心线的方法，在不损失手写字符的几何信息的前提下，提取更为准确的字符几何特征信息，用于几何特征分类模块的识别。3.以文本行数据的统计结果为基础，本文提出一种新的路径评价函数，用字符宽度概率加权的方式替代原路径评价函数中宽度、片段数等方式的加权值。在CASIA-OLHWDB数据集上，文本的文本行识别系统的识别准确率最终结果为87.69%。(本文来源于《华南理工大学》期刊2013-06-01）
郭亮勇,王国海[10]（2013）在《联机手写字符识别技术研究与实现》一文中研究指出联机手写字符识别是模式识别领域的一个重要应用分支。研究了联机手写字符识别相关预处理、特征提取、分类器设计等技术,并实现了基于字符轨迹密度和支持向量机的识别系统。实验表明,选取笔划密度特征和SVM算法进行字符识别具有较高的识别率。(本文来源于《软件导刊》期刊2013年05期）
联机手写识别论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
介绍了联机手写汉字识别的关键技术,重点研究卷积祌经网络结构,搭建TensorFlow实验平台,以中国科学院采集的CASIA-OLHWDB数据集进行训练,结果表明,将卷积神经网络方法应用于联机手写识别系统中能取得较好的效果。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
联机手写识别论文参考文献
[1].唐胜凯,孙彩虹.联机手写识别在手机游戏中的应用研究[J].电脑知识与技术.2019
[2].曲丽娜.联机手写汉字识别系统应用研究[J].信息与电脑(理论版).2018
[3].余勇.联机手写体新傣文字符识别技术研究[D].云南大学.2017
[4].黄弋石.藏文联机手写识别建模研究[J].信息与电脑(理论版).2016
[5].操苏立.联机手写文字的序列化与识别方法[D].哈尔滨工业大学.2015
[6].李庆佑,刘宏申,李兴.联机手写连笔字符识别特征提取算法优化[J].人类工效学.2014
[7].龚杨杨.联机手写数学表达式识别方法的研究[D].重庆大学.2014
[8].玛依热·依布拉音,地里木拉提·吐尔逊,艾斯卡尔·艾木都拉.识别和几何信息融合的维吾尔文联机手写单词分割[J].高技术通讯.2013
[9].陈肇欣.联机手写汉字文本行识别算法研究[D].华南理工大学.2013
[10].郭亮勇,王国海.联机手写字符识别技术研究与实现[J].软件导刊.2013
论文知识图
