汉字是中华文化集体智慧的结晶,进入信息时代后,原来依靠图形记载在纸上的汉字有了电子化的记载方式。汉字识别是研究如何使计算机能够“识字”的工作,它涉及模式识别、人工智能、模糊数学、信息论、计算机等学科,是一门综合性技术,在中文信息处理、办公室自动化、人工智能等高技术领域,具有重要的实用价值和理论意义。 本文介绍了属性论方法的基本观点、理论和方法,提出了基于模式——向量转化和定性映射及其转化程度函数的汉字识别方法,讨论了该方法与经典统计模式识别方法中的特征抽取和结构模式识别方法的结构分析法的关系,并指出,因经典统计模式识别方法中的特征抽取可看作是一个模式——向量转化操作,而结构模式识别方法的结构分析则可看作是由诸子模式构成的一个(超级)向量,故也可理解为一种模式——向量转化操作,由于向量识别可归结为一个定性映射,所以,本文在一定程度上可融合两种经典方法的优点。 还有必要指出的是,本文之所以采用Gauss型定性转化程度函数用于相似度的计算,不仅仅因为它本身表达的就是向量X向向量G转化的程度,因而也就是X和G之间的相似度,还在于它能诱导出一个人工神经元,并具有导致定性基准模糊化的特征,同时,还可以避免因采用cosθ作为相似度而存在的以共线性代替相似性的隐患。 正由于这些原因,在本文所开发的系统中,经样本学习后所生成的汉字模式记忆库和相应的汉字识别过程,不仅具有人工神经元的并行分布式计算特征,而且,其识别和分类操作还具有明显的模糊化特征。 本文在学习的过程中能够生成实在、可见的记忆库,并且学习的速度很快。然而,利用属性论方法进行汉字识别还处于试验和探索阶段,也存在着一些缺点和不足,需要在今后不断的改进和提高。