基于模式—向量轉化和轉化程度函數(shù)的漢字識別.pdf

1、漢字是中華文化集體智慧的結晶，進入信息時代后，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、信息論、計算機等學科，是一門綜合性技術，在中文信息處理、辦公室自動化、人工智能等高技術領域，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——向量轉化和定性映射及其轉化程度函數(shù)的漢字識別方法，討論了該方法與經典

2、統(tǒng)計模式識別方法中的特征抽取和結構模式識別方法的結構分析法的關系，并指出，因經典統(tǒng)計模式識別方法中的特征抽取可看作是一個模式——向量轉化操作，而結構模式識別方法的結構分析則可看作是由諸子模式構成的一個(超級)向量，故也可理解為一種模式——向量轉化操作，由于向量識別可歸結為一個定性映射，所以，本文在一定程度上可融合兩種經典方法的優(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、達的就是向量X向向量G轉化的程度，因而也就是X和G之間的相似度，還在于它能誘導出一個人工神經元，并具有導致定性基準模糊化的特征，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，經樣本學習后所生成的漢字模式記憶庫和相應的漢字識別過程，不僅具有人工神經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。 本文在學習的過程中能夠生成實在、可見的