臺灣博碩士論文加值系統

測驗的作答模式大概可以分成三種類型，第一種是傳統紙筆測驗，學生直接於考卷上填答，再以人工儘驉F第二種是利用 2B 鉛筆在答案卡上填答，由讀卡機儘驉F第三種則是在電腦上測驗，直接在電腦上作答並儘驉C目前我國國小學生仍採用第一種類型居多，因此 本研究希望能建構一套以傳統試卷方式作答而用電腦儘鱆漕t統，不需特殊的答案卡或大量的電腦測驗設備，只需要透過個人電腦及價廉的掃描器，再配合手寫文數字辨識技術，達到快速又正確的儘驉B批改與計分等工作。
本研究先用正規化相關匹配法搜尋試卷中答案的正確位置，再將取得的答案影像經二值化、膨脹、連接線、取得最大區塊面積及尋邊等過程，取得答案符號的形狀資訊，再計算其傅利葉描述子做為特徵向量。最後在比較K-means、Fuzzy C-means、學習向量量化網路及倒傳遞類神經網路等四種分類演算法後，本系統採用以可塑性認知網路架構的倒傳遞類神經網路為主要分類器，以增快其學習速度，並克服當新增欲辨識符號時必須重新訓練的問題。
實驗測試數據以62位國小學生手寫０∼９、A∼Ｅ、ㄅ∼ㄌ、○、X、V等26個符號，共計有4,836個樣本。測試結果之平均辨識率高達95%。

There are three common types of answering modes for testing. The first type is to test through worksheet writing, and students answer on the examination paper directly. The second type is to fill the answer card by utilizing a 2B pencil. The last one is to test by the computer directly. For the time being, most tests performed on the elementary school students of ROC belong to the first type. This study builds a computer scoring system, which adopts the traditional test paper. The system uses a cheap scanner and a personal computer with a handwritten alphanumeric recognition technique inside to achieve a fast and correct scoring job, without the need of special answering card and large amount of computers.
The study adopts the normalized cross correlation to find out the correct position of handwritten answers. Then to get the shape information of the answers by sequential processes e.g. binary threshold, dilation, line connection, finding the maximum area and edge following. And then the to-be-recognized feature vectors are obtained by calculating the FOURIER descriptors of the shapes. After comparing the performance of K-means, Fuzzy C-means, Learning Vector Quantization (LVQ) and the back-propagation neural networks based on the plastic perception architecture as the kernel classifier to fasten the learning process and avoid retraining all patterns if new characters are added.
The experimental data consists of 26 characters e.g. 0~9,A~E,ㄅ~ㄌ,O,X and V. There are 4,836 exemplars written by 62 students and the average recognition rate of testing result achieves 95%.

目錄

中文摘要………………………………………………………………Ⅰ
英文摘要………………………………………………………………Ⅱ
誌謝……………………………………………………………………Ⅲ
目錄……………………………………………………………………Ⅳ
表目錄…………………………………………………………………Ⅶ
圖目錄…………………………………………………………………Ⅷ


第一章 緒論 ……………………………1
1-1 研究動機和目的…………………1
1-2 相關研究…………………………2
1-2-1 字元辨識……………………2
1-2-2 特徵值擷取…………………3
1-2-3 辨識方法……………………4
1-3 論文架構…………………………5
第二章 系統架構 ………………………7
2-1影像辨識的前置處理… …………7
2-1-1 影像二值化…………………7
2-1-2 去雜點、取得最大面積及連接線段…9
2-1-3 膨脹(Dilation)……………11
2-2特徵向量擷取 ……………………11
2-2-1 邊緣搜尋……………………11
2-2-2傅利葉級數描述子 …………13
2-3字元分類辨識器 …………………15
2-3-1 K-means演算法 ……………15
2-3-2 類聚調整方法………………16
2-3-3 學習向量量化網路(LVQ)…17
2-3-4倒傳遞類神經網路(BPNN) …22
2-3-5 可塑性認知網路架構………28
2-4 正規化相關匹配法………………29
第三章 儘魖t統實作 …………………31
3-1 儘魖t統設備及架構……………31
3-2 系統操作流程與系統畫面………33
3-2-1 辨識試卷母片的製作………33
3-2-2執行試卷辨識 ………………36
第四章 實驗結果與討論 ………………39
4-1訓練字元樣本實驗分析 …………39
4-1-1實驗方式 ……………………39
4-1-2 各分類器辨識率比較………43
4-1-3 樣本先分群及不分群訓練辨識率比較…44
4-1-4辨識錯誤字元分析 …………47
4-2 真實試卷樣本分析………………49
4-2-1 實驗結果……………………50
4-2-2 辨識字元錯誤分析…………51
第五章 結論與未來方向 ………………53
5-1 結論………………………………53
5-2 未來方向…………………………53

[1]葉怡成，”類神經網路模式”，台北市，儒林圖書公司，2003

[2]Time研究室(蔡孟凱 雷穎傑 黃昭維 陳錦輝 陳正凱)，”C++ Builder6”，金禾資訊，2004

[3]陳錦輝，”C語言初學指引”，金禾資訊，民92

[4]吳健康，”數位影像分析”，儒林圖書公司，1992

[5]楊武智編譯，”影像處理與辨認”，全華科技圖書股份有限公司，1994

[6]林宸生，影像與語音處理，全華科技圖書股份有限公司，民92

[7]林瑞明，2002，”手寫紙本是非及選擇題答案辨識系統之實作”，臺中師範學院，碩士論文

[8]陳柏誠，2004，”新穎獨立成份分析應用於隱藏式馬可夫模型分群及未知訊號分離”，國立成奶j學，碩士論文

[9]陳緯達，2004，”類神經網路在手寫數字辨識之研究”，國立中央大學，碩士論文

[10]林育慈，1997，”離線手寫印刷體英數字之辨識”，國立師範大學，碩士論文

[11]蔡銘鑫，2003，”小波轉換和類神經網路應用於車牌辨識”，朝陽科技大學，碩士論文

[12]藍天寶，1994，”以二分類神經網路與模糊邏輯之手寫文字識別系統”，私立中原大學，碩士學位論文

[13]潘維治，2003，”Region Growing 法於手寫數字辨識上的應用”，大同大學，碩士論文

[14]吳睿哲，2003，”利用貝氏方法於車牌辨識”，國立中興大學，碩士論文

[15]陳明瑤，2003，”手寫郵遞區號辨識系統”，國立高雄第一科技大學，碩士論文

[16]李健宏，2003，”植基於WGLVQ離線式手寫數字辨識”，國立臺灣師範大學，碩士論文

[17]郭癸蘭，2002，”手寫身分證字號辨識系統”，高雄第一科技大學，碩士論文

[18]孫永昌，2001，”紙本手寫國語注音符號辨識系統之研究”，臺中師範學院，碩士論文

[19] 蔡明志，2000，”神經網路應用於字元的不變性辨識”，元智大學，碩士論文

[20] 劉宜德，2001，”軟性電路板自動化視覺導引鑽孔系統之研發”，國立中山大學，碩士論文

[21] 陳弘庭，2003，”模糊分群方法、語意變數、分群群數關係之研究─以市場區隔為例”，成奶j學，碩士論文

[22]李允中、王小璠、蘇木春編著，模糊理論及其應用，台北市，全華科技圖書(2004)

[23]周義昌、蔡玉娟、劉榮宜、李素玲、戴敏倫，「類神經網路的新架構:可塑性認知網路」，電信研究季刊，第22卷，第3 期，1992，第291-306頁。

[24]Srinivasa Chakravarthy and Bhaskar Kompella, “The shape of handwritten characters”, Pattern Recognition Letters, SDOS, 2003.

[25] Ashutosh Malaviya,Liliane Peters ,"Multi-layered handwriting recognition approach", Fuzzy Sets and Systems,SDOS, Volume: 104, Issue: 2, June 1, 1999, pp. 219-227

[26] 12. J. G. Raudseps, “Some Aspects of the Tangent-Angle vs Arc Length Representation of Contours,” Ohio State University Research Foundation, Columbus, Report 1801-6, ASTIA AD 462 877, 1965.

參考網頁

[27]影像之動態臨界值擷取 http://cslin.auto.fcu.edu.tw/eduteach/lcd02.html

[28] Delphi K.Top討論區 http://delphi.ktop.com.tw/