基于模式—向量轉(zhuǎn)化和轉(zhuǎn)化程度函數(shù)的漢字識別.pdf

1、漢字是中華文化集體智慧的結(jié)晶，進(jìn)入信息時代后，原來依靠圖形記載在紙上的漢字有了電子化的記載方式。漢字識別是研究如何使計算機能夠“識字”的工作，它涉及模式識別、人工智能、模糊數(shù)學(xué)、信息論、計算機等學(xué)科，是一門綜合性技術(shù)，在中文信息處理、辦公室自動化、人工智能等高技術(shù)領(lǐng)域，具有重要的實用價值和理論意義。 本文介紹了屬性論方法的基本觀點、理論和方法，提出了基于模式——向量轉(zhuǎn)化和定性映射及其轉(zhuǎn)化程度函數(shù)的漢字識別方法，討論了該方法與經(jīng)典

2、統(tǒng)計模式識別方法中的特征抽取和結(jié)構(gòu)模式識別方法的結(jié)構(gòu)分析法的關(guān)系，并指出，因經(jīng)典統(tǒng)計模式識別方法中的特征抽取可看作是一個模式——向量轉(zhuǎn)化操作，而結(jié)構(gòu)模式識別方法的結(jié)構(gòu)分析則可看作是由諸子模式構(gòu)成的一個(超級)向量，故也可理解為一種模式——向量轉(zhuǎn)化操作，由于向量識別可歸結(jié)為一個定性映射，所以，本文在一定程度上可融合兩種經(jīng)典方法的優(yōu)點。 還有必要指出的是，本文之所以采用Gauss型定性轉(zhuǎn)化程度函數(shù)用于相似度的計算，不僅僅因為它本身表

3、達(dá)的就是向量X向向量G轉(zhuǎn)化的程度，因而也就是X和G之間的相似度，還在于它能誘導(dǎo)出一個人工神經(jīng)元，并具有導(dǎo)致定性基準(zhǔn)模糊化的特征，同時，還可以避免因采用cosθ作為相似度而存在的以共線性代替相似性的隱患。 正由于這些原因，在本文所開發(fā)的系統(tǒng)中，經(jīng)樣本學(xué)習(xí)后所生成的漢字模式記憶庫和相應(yīng)的漢字識別過程，不僅具有人工神經(jīng)元的并行分布式計算特征，而且，其識別和分類操作還具有明顯的模糊化特征。 本文在學(xué)習(xí)的過程中能夠生成實在、可見的