跳到主要內容

臺灣博碩士論文加值系統

(23.20.20.52) 您好!臺灣時間:2022/01/24 17:57
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果 :::

詳目顯示

我願授權國圖
: 
twitterline
研究生:劉世堂
研究生(外文):Liu, Shih-Tang
論文名稱:利用階層分析法來分類不可分群之線上手寫中文字
指導教授:顏吉甫李宗寶
學位類別:碩士
校院名稱:國立中興大學
系所名稱:農藝學系
學門:農業科學學門
學類:一般農業學類
論文種類:學術論文
論文出版年:2002
畢業學年度:90
語文別:中文
論文頁數:54
中文關鍵詞:線上中文手寫辨識階層分析法不可分群中文辨識
相關次數:
  • 被引用被引用:0
  • 點閱點閱:675
  • 評分評分:
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:1
摘 要
科技發達、資訊快速膨脹的今日,生活中的許多事務都必須仰賴電腦處理,而且在各企業推動e化政策下,更促進電腦的普及化。然而,在以中文為主的社會中,為了和電腦使用中文溝通,便發明中文輸入法。例如:倉頡輸入法、自然注音輸入法、注音輸入法、大易輸入法等,只是這些輸入法都必須熟記拆解字根、背口訣或拼音組合才可靈活運用,對於不熟悉輸入法的人,若要進行與電腦溝通或者輸入資料等工作是件麻煩的事。因此,為解決中文輸入的問題,中文手寫辨識系統就因應而生,它帶給許多華人在中文輸入上極大的便利。
本論文中,提出以字首為基礎的字首分類法,它主要處理線上中文手寫辨識(On—Line Chinese Character Recognition , OLCCR)之首層快速分類問題。其理論架構為大分類法則,即先將書寫字做筆劃的特徵值擷取。然後,將具有共同的特徵值歸於同一群組。即由常用字5401字中分出1700多個不可分群字,其中再由不可分群當中抽出59個字首,依其特性又可分成17個主群組。當經過3位測試者的實驗下,得到平均辨識正確率為90%,且每一字的平均辨識時間為0.03秒,可知使用本方法進行中文辨識是可行的。
目 錄
一、緒論
1-1 研究動機與目的 ……………………………………………….1
1-2中文辨識之相關文獻探討 …………………………………….. 3
1-3文字資料種類及應用領域 ………………………………………5
1-4辨識方法的概述 …………………………………………………6
1-5 論文架構 …………………………………………………………9
二、字元資料之前處理
2-1手寫字元資訊之前處理 …………………………………………10
2-2字元資訊的刪除與連接 …………………………………………12
2-2.1字元資訊的刪除 …………………………………………...12
2-2.2保留點的連接 ………………………………………………15
2-3筆段的資訊 …………………………………………………….…16
2-4文字的不可分群與正規化 ……………………………………..18
2-4.1文字不可分群之概述 ……………………………………….18
2-4.2文字之正規化過程 ………………………………………….19
三、不可分群字首為基礎之字首分類方法
3-1字首分類方法 ……………………………………………….…21
3-2字首分類群組之標準 ………………………………………..22
3-2.1第一層分類的標準 …………………………………….…22
3-2.2第二層分類的標準 ………………………………….……30
3-3分類結果 ……………………………………………………..38
3.3.1字庫的建立與擴建 ……………………………………….38
3.3.2 分類結果 ………………………………………………. 39
四、實驗過程與結果
4.1系統軟體簡介 ……………………………………………….44
4.2實驗過程 …………………………………………………… 45
4-2.1測試字庫的輸入 ………………………………………..46
4-2.2比對介面的說明 ………………………………………..46
4.3實驗結果 …………………………………………………….47
五、結論及未來研究方向
5.1 結論 …………………………………………………………51
5.2 未來研究方向 ……………………………………………..52
參考文獻 …………………………………………………………….53
參考文獻
中文文獻
工業技術研究院電腦與通訊工業研究所(民83),智慧型中文輸入—漢字識別、語音辨識。經濟部ITIS專題調查報告。
李宜仲(民90),利用文字結構來辨識線上手寫中文字之字首。中興大學應用數學研究所碩士論文。
林慶昇(民90),利用階層分析法來分類線上手寫中文字之字首。中興大學應用數學研究所碩士論文。
英文文獻
Cheng, R.H., Lee, C.W. and Chen, Z. (1995). Preclassification of handwritten Chinese characters based on basic stroke substructures. Pattern Recognition Letters. Vol.19, Issue10.
Cui, Hualin. (1996). Research on the method of handprinted Chinese character recognition. IEEE Transactions on Pattern Analysis and Machine Intelligence. Vol.2, No.14-18.
Fan, K.C., Lin, C.K. and Chou, K.S. (1995). Confusion set recognition of on-line Chinese character by artificial intelligence technique. Pattern Recognition. Vol.28, No.3.
Freund, R., Neubauer, M. Summerer, M., Gruber, S., Schaffer, J. and Swoboda, R. (2000). A hybrid system for the recognition on handwritten characters. International Journal on Document Analysis and Recognition. December 21.
Hsieh, A.J., Fan, K.C. and Fan, T.I. (1995). Bipartite Weighted matching for on-line handwritten Chinese character recognition. Pattern Recognition. Vol.28,No.2.
Hsieh, C.C. and Lee, H.J. (1992). Off-line recognition of handwriting Chinese characters by on-line model-guided matching. Pattern Recognition. Vol.25, No.11.
Juan, C.P.Cortes., Liobet, R. and Arlandis, J. (2000). Fast and accurate handwritten character recognition using approximate nearest neighbours search on large databases. International Journal on Document Analysis and Recognition. December 21.
Kim, H.J., Jung, J.W. and Kim, S.K. (1996). On-line Chinese character recognition using ART-based stroke classification. Pattern Recognition Letters 17.
Li, T.F. and Yu,S.S.(1994). Handprinted Chinese character recognition using the probability distribution feature, Int. J. pattern Recog. Artif. Intell. 1241-1258.
Liao, S. X. and Lu ,Q. (1997). A Study of Moment Functions and Its Use in Chinese Character Recognition. IEEE. 572 — 575.
Lin, C.K., Fan, K.C. and Lee, F.T.P. (1993). On-line recognition by deviation-expansion model and dynamic programming matching. Pattern Recognition.
Pao, D.C.W., Sun, M.C. and Lam, M.C.H. (1997). An approximate string matching algorithm for on-line Chinese character recognition. Image and Vision Computing 15.
Teredesai, A., Park, J. and Govindaraju, V. (2001).Active handwritten character recognition using genetic programming. International Journal on Document Analysis and Recognition. April 2.
Tsay, R.Y. (1993). Chinese character recognition─feature extraction and classification.
Tsay, Y.T. and Tsai, W.H. (1993). Attributed string matching by split-and-merge for on-line Chinese character recognition. IEEE Transactions On Pattern Analysis And Machine Intelligence. Vol.15, No.2.
Tseng, C.C., Jeng, B.S. and Chou, K.S. (1999). Candidate selection in on-line Chinese character recognition system using voting scheme. Journal of Information Science and Engineering 15.
Tung, C.H. and Lee, H.J.(1994). Increasing character recognition accuracy by detection and correction of erroneously-identified characters, Pattern Recog. 27, 1259-1266.
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top