摘要：介绍了一种针对截屏图中数字信息的数字识别技术。该技术采用基于特征值提取的识别方法并充分利用截屏图特点使该方法得以简化,从而提高了处理速度和识别效率。采用该技术开发的软件系统已在工程实际中得到了应用并取得了良好的经济效益。

摘要：本文介绍一种面向ＶＬＳＩ实现的手写体数字识别系统，其中采用汉明神经网络从模式中提取局部特征，然后对提取出的特征图进行压缩，最后由模糊逻辑识别器根据压缩的特征图对输入模式进行识别．为了在不增加特征集的情况下提高特征提取性能，在系统设计时提出了四种新的技术，如具有多阈值的改进汉明神经网络结构等．在模糊逻辑识别器的设计中，提出了两种新的处理技术．实验表明该系统对手写字符的变形和位移等有较强的处理能力，该系统直接映射一种ＶＬＳＩ结构，易于实现单芯片集成．

摘要：针对BP算法存在的易陷入局部极小点、收敛速度慢、所设计的网络泛化能力不能保证等问题,提出了一种基于粒子群优化算法(PSO)的BP(PSO-BP)网络的权值调整新方法。该算法在基本BP算法的误差反传调整权值的基础上,再引入PSO算法的权值修正,从而建立了基于PSO-BP网络模型。基于此模型设计了规范手写体数字识别的分类器,采用随机手写数字样本进行了仿真实验,结果表明:PSO-BP算法提高了网络的稳定性,避免了BP算法容易进入平坦区、陷入局部极小等问题。

摘要：为了提高手写数字识别的性能,研究了利用BP神经网络作为分类器在设计上的几个关键问题,给出每个关键环节的可行方案并进行有效总结。同时对脱机手写数字的图像预处理及特征提取部分的关键技术做了详细阐述。在此基础上给出分类器设计与训练的详细实验,实验结果表明,合理解决设计BP神经网络分类器的关键问题能够确保其对手写数字的高分类性能。

摘要：数字识别是光学字符识别技术里发展比较早的一种技术,是OCR的一个分支。数字识别又分为手写数字识别和非手写数字识别,提到的手写数字识别是指脱机手写数字识别。支持向量机是近几年来模式识别领域中的一个新技术,它被广泛应用到文字识别、人脸识别等应用中,是模式识别领域中的研究热点,把支持向量机技术应用到手写数字识别系统中,以期提高识别系统的性能。

摘要：提出了一种新的基于组合特征和PSO-BP(particle swarm optimization-backpropagation)算法的数字识别方法,将网格特征、投影特征和欧拉数表示的结构特征按照不同的特征权重系数构成数字图像的组合特征向量,利用PSO-BP神经网络进行识别,充分发挥了粒子群算法的全局寻优能力和BP算法的局部搜索优势.实验表明,该方法识别率高、网络收敛速度快、精度高.

摘要：本文从语义、句法模式识别观点,提出一种基于模型指导的有限状态属性自动机,进行特征抽取,对每一种典型的畸变模型设计一个有限状态属性文法及其相应的属性自动机,采用自下而上和自上而下相结合的控制策略,并在低层次引入知识指导,减少了工作量和不确定性。基于上述方法实现的非限制性手写数字识别系统,经过对1100个非限制性手写数字样本的测试,平均识别率达95.2％,拒识率为4.6％,误识率为0.2％。

摘要：为提高处理速度,构建了一种基于现场可编程门阵列(field programmable gate array,FPGA)的印刷体数字识别系统。该系统采用基于投影特征的字符分割和基于统计特征的字符识别原理,在Nexys-3硬件平台上完成了OV7670摄像头数据采集、图像预处理、字符分割与识别和结果显示的功能。在设计中,采取仅存储二值化图像的方法来降低系统对存储资源的需求,并使用乒乓操作进行存储从而达到实时处理的目的。为更合理地使用FPGA器件的内部资源,调用了片内数字时钟管理单元(digital clock manager,DCM)、乘法器、双端口RAM以及先入先出队列(first input first output,FIFO)等IP核(intellectual property core)。最后在Modelsim中进行时序仿真,验证各个子模块的功能,并将各模块集成在开发板上进行硬件实现。通过对实验结果分析可知,该系统使用了较少的逻辑资源,在摄像头的帧速率为30 f/s的情况下,可以成功实时识别印刷体数字并将识别结果输出。

摘要：在地学信息图谱思想和数字带谱体系的基础上,阐明了垂直带谱数字识别的概念和方法。通过AML语言组合ArcG IS功能模块,实现了昆仑山北侧垂直带谱的数字识别,通过评价认为其成果能够适用于山系尺度的带谱研究;探讨了M atlab软件编程实现山体360°带谱数字识别的算法;进一步分析了垂直带研究中带谱界限自动识别的前景和挑战。在对两种程序设计方法进行对比和分析的基础上,确立了山体单侧、山体360°两种垂直带谱模式的构建技术。研究表明,带谱数字识别技术能够为山地垂直带谱的构建提供可行的支持,促进地学信息图谱的进一步发展。

摘要：在进行神经网络方法的数字图像识别研究时,针对数字图像的复杂性、神经网络输入数据量巨大和学习收敛速度慢的情况,提出了基于特征的神经网络数字识别方法。设计提取了13个结构特征以组成一个13维的超空间,对13维的超平面空间的整个识别过程采用了神经网络聚类方法(其中聚类数为10),并利用数学软件MATLAB强大的矩阵运算能力和C语言高效的代码实现了数字识别系统模型。实验结果表明,在特征差异不十分明显的情况下,识别时间和识别率仍令人满意。