论文部分内容阅读
脱机手写体汉字图像识别是人工智能领域的研究热点,具有广泛的理论研究价值和应用前景。由于脱机手写体汉字图像存在的书写风格因人而异、书写变形等特点,针对传统单层单向开环认知模式性能难以令人满意的问题,本文模拟人类从全局到局部反复推敲比对交互的认知模式,探索了一种具有反馈调整机制的多认知方法融合的脱机手写体汉字图像智能认知模型,以期提高脱机手写体汉字图像的识别率。本文的主要工作如下:(1)脱机手写体汉字图像的智能认知决策信息系统模型研究。针对脱机手写体汉字图像的决策信息系统尚无统一描述的问题,基于粗糙集理论,引入脱机手写体汉字图像的真实决策属性信息,从信息论的角度建立多层面特征表征的脱机手写体汉字图像的认知智能决策信息系统模型。(2)脱机手写体汉字图像智能认知系统架构研究。基于结构和统计特征提取方法、集成随机权向量函数连接网络和模糊积分,获取脱机手写体汉字图像的多层面特征空间数据结构、具有集成结构的分类认知准则和融合认知方法,克服了传统认知系统基于单一方法构建固定片面特征空间和分类认知准则的缺陷。(3)不确定认知结果评价体系的定义及其计算模型研究。针对目前后验概率评价认知结果可信度的方法无法在线实时测评认知结果的问题,基于广义误差理论和广义熵理论,模拟人类认知事物时先粗比对后细比对的过程,定义了一种广义认知结果相似度熵测度指标,为反馈认知智能运行机制提供了可量化的依据。(4)不确定认知结果测度指标约束的反馈认知智能运行机制研究。针对传统认知系统单向开环方式与人类认知事物时从全局到局部反复推敲比对的信息交互过程存在着显著差异的问题,构建具有反馈模式的脱机手写体汉字图像不确定认知结果性能测度指标约束的认知智能运行机制,基于广义认知结果相似度建立了多层面特征空间层间调节与层内寻优的调整机制。为了验证所提出的智能认知模型的优越性,本文选用GB23122-80标准简体手写中文字符库,采用MATLAB仿真对本文方法的可行性和有效性进行了验证。实验结果表明,平均认知正确率达到了93.78%,较传统开环认知方法和基于固定认知方法的闭环认知方法性能更优,为实现脱机手写体汉字图像的“机器识字”奠定了基础。