基于BP网络的手写体数字识别方法

手写体数字识别是一个难度很大，但却具有广阔的应用前景的研究课题。本文主要研究了一种基于BP网络的手写体数字识别方法。这种方法先对数字字符进行分割、细化等预处理，生成数字样本。然后，使用大量数字样本对BP网络进行训练。最后，使用训练好的BP网络识别数字样本。经过测试，在对600个未经训练的字符样本的识别中，数字识别率可以达到95％以上。     

基于VQ的说话人自动识别系统的实现

文中以语音信号的LPC倒谱系数、△倒谱系数、基音周期和△基音周期的混合特征参数作为识别说话人的特征，运用VQ技术实现了说话人自动识别。在10个说话人，1800个汉语数字和单词语音的语音库上进行了系统的识别实验，其中单音节语音的平均识别率达到了92％，双音节语音达到了96．67％，四音节语音达到了97．67％。     

嵌入式数字语音拨号系统的研究与实现

将语音识别技术应用于拨号系统,在嵌入式平台上实现了一款针对非特定人的数字语音拨号系统。语音识别算法中选择梅尔频率倒谱系数为特征参数,连续隐马尔科夫模型。为训练和识别过程模型,利用Qt界面对识别过程进行控制,系统针对非特定人数字语音识别进行实验。结果表明,系统针对非特定人识别率达到了98％,识别时间为3．55S。识别率和实时性都满足语音拨号的需求。     

基于左右轮廓特征的打印体邮政编码数字快速识别

本文介绍一种基于左右轮廓特征识别打印体邮政编码数字的新方法。字符的左右轮廓特征经归一化处理后形成两组独立的特征值，再将它们用线段矢量表示以形成关于轮廓特征的线段描述，并依此对字符进行分类，然后将两个分类器的结果组合起来实现对字符的识别。我们对从真实信函上采集到的８３７４２个打印体邮政编码数字进行测试，实验结果表明具有识别率高（９７．９３％）、错误率低（０．０９１％）等优点。此外本方法在提取特征的同时进行去噪声、归一化等处理，并采用判决树方法，因而识别速度很快，满足了实时识别的要求。本方法已在中比合作开发的ＯＶＣＳ自动信函分拣机中得到应用，实践证明达到设计要求，具有较高的实用价值     

基于HHT和支持向量机的数字调制信号识别

提出了一种基于HHT和支持向量机的实际数字调制信号识别算法。首先介绍了HHT方法的基本原理，对三种数字调制信号进行分析，提出用于识别实际FSK，PSK和QAM信号的特征参数，然后运用支持向量机算法分类三种数字调制信号，仿真结果表明，在信噪比10dB时，识别率达95％以上。     

基于数码管机器视觉的小数点识别

本文介绍了数字图像处理技术在数码管识别过程中的应用。基于机器视觉的图像处理模拟平台在采集到数码管的真彩色图像后,首先对图像进行色彩处理,二值化,图像切割等预处理,为图像的识别做准备。然后利用适合数码管字符特征的字符识别方法“穿线识别法”进行数字字符识别,数字字符识别之后,提出一种适用的小数点识别方法,多次实验证明,这个数字图像处理平台对LED数码管的识别率均可达到99％以上,而且此识别方法不仅速度快,而且精度高。     

神经网络法汉语孤立音识别的研究

本文对神经网络法语音识别中的网络结构、特征提取以及学习算法进行了初步的研究.文中提出了一种带非均匀窗形式的金字塔状多层神经网络模型I研究了两种特征提取方法的向量规整问题,改进了Polak—Rjbiere学习算法并证明它能够保证连结权向量不收敛到非稳定局部极小点.特定人方式的试验表明,用神经网络方法识别五个元音和十个数字时,识别率都高于99.0％.用遍布25个省市的90个说话者的数字话音所进行的非特定人方式试验表明;加窗后识别率可以提高1.0％,达到90.3％,说明带预处理窗的模型更加适合于语音识别.     

基于自适应投影法的数字分割算法研究

目前工业现场的仪表种类复杂、字体繁多,因此数字识别效果不佳。为了减少外部环境的影响,采用自适应投影法对表盘中的数字进行分割。提出的数字分割算法可以有效地减少外部环境干扰造成的影响,识别准确率较高,并且具有较强的鲁棒性。该算法对于数字表盘的识别具有重要的研究意义,同时对于数字表盘具有较高的推广价值。     

用于连续语音识别的RBF-Gamma-HMM组合模型

本文提供了一个有特色的、易扩展的多模块ＲＢＦ－Ｇａｍｍａ神经网与ＨＭＭ组合的连续语音识别模型,兼有ＲＢＦ网表达音元空间、Ｇａｍｍａ综合时序相关信息、ＨＭＭ作音元时间集成和扩展等功能,以实现功能互充本模型为基础,将本文提出的各咎改进分类的学习算法用于特定人连续数字语音识别,其字正识率达到９８．９％,串正识率达到９４．８％。     

数字电源方兴未艾 TI推第三代产品

虽然业界目前对于数字电源产品还没有一个统一的定义，但这并不妨碍各个半导体公司对于数字电源产品的开发。有数据显示，2006年，全球数字电源芯片市场达到1．69亿美元，预计2010年将增至7．96亿美元，年复合增长率为36．4％。这一庞大的市场，吸引着众多厂商的注意力，而处于半导体龙头老大地位的TI，在数字电源产品方面也是一路领先。     

群延时谱参数在汉语数字语音识别中的应用

汉语数字语音之间的高混淆性直接影响了汉语数字语音识别的效果，传统的语音识别方法很难对易混淆的语音做出有效的区分。本文提出了一种多参数、多级识别策略，先采用MEL谱参数基于HMM进行初级数字语音识别，然后对易混淆的数字对采用一种新的群延时谱参数——RRCGD-CC(Reflected Roots Chirp Group Delay-Cepstral Coefficients)基于SVM进行二次分类。实验结果表明，通过多参数多级识别方法，数字“2”和“8”的识别率提高了8%，数字识别系统的整体识别率提高了2.3%。这一结果充分说明了本文提出的多参数多级识别方法有利于提高汉语数字语音识别系统的识别性能，同时也说明了RRCGD-CC在易混淆数字语音的识别上是有效的。      

A speaker-independent connected digit recognition systemconcatenating statistically discriminated words

A recognition system for connected digits, which uses a statistical classifier to identify words in speaker-independent continuous speech, is described. The system uses the multiple similarity method, a statistical pattern recognition technique. For evaluating word strings, the system uses a scoring method that is independent of the number of words in the strings. It is derived from the a posteriori probability that a subinterval corresponds to a correct word position, giving a word similarity value. The system evaluates a word string using dynamic programming and a parallel search procedure. Experiments for the contextual effect of the training data set, for validation of the search algorithm, and for a large quantity of unspecified speakers including 40 males and 40 females were performed. For connected digits (unknown word lengths test), the string recognition rates were 90.1%-95.1% for two, three, or four connected digits, where the equivalent word (digit) rates were 97.4%-98.4%     

一种改进的线性区分分析方法及其在汉语数码语音识别上的应用

尽管汉语数码语音识别只涉及十个数字,但由于不同数字的发音存在相同或相似的声母或韵母,造成汉语数码语音之间的混淆性很大.采用通常的隐含马尔科夫模型(HMM)作为汉语数码语音识别模型难以得到很高的识别率.为了解决汉语数码之间的混淆问题,提高汉语数码语音识别性能,本文在隐含马尔科夫模型的状态层次上采用线性区分分析方法,将不同状态之间容易混淆的特征样本构成混淆模式类,针对混淆模式类进行线性区分分析.通过线性区分变换,在变换特征空间中仅保留那些能够有效区分该混淆类别的特征参数.这种基于状态的线性区分分析有效地提高了模型对混淆数码的区分能力.实验表明即使采用状态数很少的粗糙识别模型,也能很大幅度提高模型的识别性能;经过线性区分变换优化后的汉语数码识别模型,孤立汉语数码语音识别率可以达到99.32%.     

用于手写体数字不变性特征提取及识别的自组织算法

针对无约束手写体数字的特点,本文提出了一种用于手写体数字特征提取和识别的神经网络与视觉学习相结合的自织织学习算法,为了避免网络规模太大引起"过度训练"现象而导致网络的推广能力下降,提出了一种在学习过程中自适应删剪不重要权重的方法.计算机模拟结果显示该算法能有效地提取手写体数字的不变性特征,进而提高对无约束手写体的识别率.     

Recognition of Continuous Digits by Quantum Neural Networks

1　ＩｎｔｒｏｄｕｃｔｉｏｎＱｕａｎｔｕｍＮｅｕｒａｌＮｅｔｗｏｒｋ (ＱＮＮ )ｉｓａｂｕｒ ｇｅｏｎｉｎｇｎｅｗｆｉｅｌｄｗｈｉｃｈｉｎｔｅｇｒａｔｅｓｃｌａｓｓｉｃａｌｎｅｕｒｏ ｃｏｍｐｕｔｉｎｇｗｉｔｈｑｕａｎｔｕｍｃｏｍｐｕｔｉｎｇ[1～2 ] .ＴｈｅｆｉｅｌｄｏｆｃｌａｓｓｉｃａｌａｒｔｉｆｉｃｉａｌＮｅｕｒａｌＮｅｔｗｏｒｋｓ (ＮＮ)ｃａｎｂｅｇｅｎｅｒａｌｉｚｅｄｔｏｔｈｅｑｕａｎｔｕｍｄｏｍａｉｎｂｙｅｃｌｅｃｔｉｃｃｏｍ ｂｉｎａｔｉｏｎｏｆｔｈａｔｆｉｅｌｄｗｉｔｈｔｈｅｐｒｏｍｉｓｉ…     

Handwritten Digits Recognition With Subgroup Neural Network

1IntroductionInrecentyears,theneuralnetworktheoryhascausedgreatintheareaofpatternrecognition.Themainreasonisthattheneuralnetworkhasmanyattractiveadvantages,whencomparedtotheconventionalpatternrecognitionmethods.AmongthevariousneuralnetworkmodelsIthebackpr…     

基于改进的混合学习模型的手写阿拉伯数字识别方法

在特征空间维数较高的手写阿拉伯数字识别问题中,冗余的特征往往会意外增加学习模型刻画问题空间的复杂度,影响手写阿拉伯数字识别的效率和精确度。该文提出了一种基于边界对特征的敏感度值进行特征选择的支持向量机树混合学习模型,依据当前中间节点上的分类曲面对子样本空间中的样例特征的敏感程度选择特征,在新构建的子样本集上训练子节点上的支持向量机。UCI机器学习数据库中手写阿拉伯数字识别问题的仿真结果表明,与其他算法相比,该文提出的方法能够在提高或保持手写阿拉伯数字高识别精确率的同时,精简问题空间,从而简化混合学习模型的中间节点和整体结构。     

噪声下差分复合子带语音识别方法

本文根据子带特征反映语音信号局部特性和全带特征反映语音信号整体特性的事实，提出了 一种差分复合子带语音识别新方法。先用频谱差分减少噪声的干扰，再将多子带特征识别概率与全带特征识别概率相结合进行综合判决，以得到最终识别结果。将新方法应用于TIMIT数据包0－9十个英文数字和E－Set在NoiseX92的白噪声和F16战机噪声下的识别实验。实验结果表明新方法比传统方法识别性能有很大提高。     

基于主曲线的脱机手写数字识别

该文提出了一种基于主曲线的脱机手写数字识别方法.该方法将主曲线及知识约简算法运用于识别模型中.主曲线是主成份分析的非线性推广,它是通过数据分布"中间"并满足"自相合"的光滑曲线.它较好地反映了数据分布的结构特征.粗糙集理论的知识约简是从决策表中获取决策(分类)规则的有效工具.本文将主曲线用于训练数据的特征提取,根据主曲线的特征生成决策表;利用我们提出的知识约简算法对决策表进行处理,自动获得分类规则.这种方法既符合人的识别习惯,又克服了利用统计特征识别所带来的不足.实验结果表明了该方法能有效提高手写数字的识别率,为脱机手写数字识别的研究提供了一条新途径.