基于HCC-SVM的字符識(shí)別技術(shù)研究.pdf

1、支持向量機(jī)(Support Vector Machine，SVM)是在統(tǒng)計(jì)學(xué)習(xí)理論的基礎(chǔ)上發(fā)展起來的，是一種優(yōu)秀的基于數(shù)據(jù)的機(jī)器學(xué)習(xí)算法，是一種功能強(qiáng)大的數(shù)據(jù)分類技術(shù)，具有嚴(yán)格的理論和數(shù)學(xué)基礎(chǔ)，在文本分類、字符識(shí)別、圖像識(shí)別、人臉識(shí)別、指紋識(shí)別、蛋白質(zhì)結(jié)構(gòu)、基因檢測(cè)等鄰域有著廣泛的應(yīng)用。 本文圍繞字符識(shí)別技術(shù)，對(duì)字符識(shí)別預(yù)處理算法與支持向量機(jī)分類算法進(jìn)行了深入的研究。在字符圖像預(yù)處理方面，重點(diǎn)研究了灰度圖像濾波算法、圖像的傾斜檢

2、測(cè)和字符分割算法；在支持向量機(jī)分類方面，提出了一種新的快速的按類分級(jí)聚類(HierarchicalClustering by Category，HCC)支持向量機(jī)算法--HCC-SVM。 本文的主要研究?jī)?nèi)容與創(chuàng)新點(diǎn)如下： (1)從脈沖噪聲點(diǎn)檢測(cè)的角度出發(fā)，提出了一種新的的灰度圖像濾波方法，在噪聲密度較高的情況下，仍然能保持良好的濾波性能，并且算法運(yùn)行速度快。 (2)利用首行文本在一條直線上并且上方?jīng)]有文字干擾的特

3、性，提出了一種基于首行文本行的傾斜檢測(cè)方法，能夠滿足純文本圖像傾斜檢測(cè)的需要，而且處理速度快。 (3)利用文本的行間隔特性，提出了一種基于行列的字符分割法，能夠在圖像質(zhì)量較好時(shí)，實(shí)現(xiàn)文本圖像中的文字分割。 (4)針對(duì)傳統(tǒng)的支持向量機(jī)在訓(xùn)練大數(shù)據(jù)集數(shù)據(jù)時(shí)遇到的算法運(yùn)行時(shí)間長(zhǎng)和占用內(nèi)存空間大的問題，提出了HCC-SVM算法，解決在大樣本環(huán)境下算法的運(yùn)行時(shí)間和空間問題。與傳統(tǒng)的SVM算法相比，HCC-SVM可以極大地提高算法的