手寫體數(shù)字及英文字符的識別研究.pdf

1、近些年出現(xiàn)的網(wǎng)上閱卷模式,改進了傳統(tǒng)閱卷模式易出錯、工作強度大等缺點,并且這種先進的閱卷模式已經(jīng)應用到了我國各類標準考試之中。其中最具有代表性的就是基于OMG技術(光標閱讀機)的網(wǎng)上閱卷系統(tǒng)?；贠MG技術的網(wǎng)上閱卷系統(tǒng)最主要的弊端就是所使用的硬件成本太高,不利于推廣使用。所以隨后出現(xiàn)了基于圖像處理技術的網(wǎng)上閱卷模式。
　　 本文的主題就是研究基于圖像處理技術的網(wǎng)上閱卷系統(tǒng)中手寫數(shù)字及字符的識別方法。研究者通常將數(shù)字識別和英文字

2、符識別放到一起研究,是因為這兩者是沒有本質區(qū)別的。從識別方法的角度來看，只是樣本不同而已,對識別方法的研究和構建是沒有任何影響的。本文為了方便,在語言敘述上將手寫體數(shù)字及字符的識別簡便稱為手寫數(shù)字識別。
　　 為了提高手寫數(shù)字的識別率,研究者在預處理階段、特征提取和分類識別階段都提出了很多方法?？v觀各類方法,有自身的優(yōu)勢同時,也有自身無法克服的缺陷。目前研究最熱的識別率最高的當屬神經(jīng)網(wǎng)絡方法和支持向量機方法。神經(jīng)網(wǎng)絡法識別精度較

3、高,但是訓練時間長,容易陷入局部最小,而且依賴于研究者的經(jīng)驗知識。另外,支持向量機法識別精度也比較高,但它更善于兩類分類問題。
　　 根據(jù)神經(jīng)網(wǎng)絡法和支持向量機法各自的優(yōu)勢和缺陷,本文提出利用神經(jīng)網(wǎng)絡法和支持向量機法構建多級分類模型。一級分類器使用網(wǎng)絡結構簡單的RBF神經(jīng)網(wǎng)絡法構造,允許它輸出最后結果也允許它輸出拒識樣本和模糊結果,如果輸出的是拒識樣本和模糊結果,將啟動SVM二級分類器,利用二級分類器再次進行判定識別,然后輸出最