检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

手写识别算法研究及在移动平台上的应用

手写识别算法研究及在移动平台上的应用

作者：陈胤子北京邮电大学

学位级别：硕士

随着移动互联网技术的发展和移动终端的不断普及,文字识别技术蓬勃发展且日趋成熟。手写输入作为移动平台上的一种高效文字录入方式,被越来越多的使用者所接受。近三十年来,在识别效率方面,尽管研究人员始终致力于提高手写识别的正确率... 详细信息

随着移动互联网技术的发展和移动终端的不断普及,文字识别技术蓬勃发展且日趋成熟。手写输入作为移动平台上的一种高效文字录入方式,被越来越多的使用者所接受。近三十年来,在识别效率方面,尽管研究人员始终致力于提高手写识别的正确率,但至今仍然无法完全消除识别错误;另一方面,由于受到移动终端输入区域大小的限制,传统的手写输入方式没有处理好录入效率和用户体验的关系。本文从手写识别的错误纠正和移动平台上的手写输入方式两方面入手,提出了一种基于多通道融合的手写识别纠错方法,以及适合于移动终端的汉字重叠手写输入和识别方法。其中,纠错采用结合语音通道进行多通道融合的错误纠正方法,充分利用了多通道之间的互补性,同时结合候选字列表给出多个结果供用户选择,候选字的排列顺序通过本文提出的一种基于人工神经网络的排序方法而获得;另一方面,出于移动终端输入区域有限的考虑,本文还提出了一种汉字重叠手写输入及识别的方法,使得用户的连续汉字输入可以在同一区域内连续进行,不需要切换输入位置,较大地提高了文字的录入速率,通过对重叠笔画的特征提取以及采用支持向量机或人工神经网络进行模式分类而实现笔画分割的目的;最后,本文还给出了一种人工神经网络中,浮点运算转定点运算的方法,非常适合于优化移动终端上的神经网络计算问题。实验结果表明,基于多通道融合的手写识别纠错方法能够很好的纠正识别错误,汉字重叠手写识别能够获得较高的分割及识别正确率,计算上的优化使得本文中的手写识别算法能够快速稳定的运行在移动终端上。

关键词：手写识别多通道融合纠错汉字重叠手写识别人工神经网络支持向量机

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于隐马尔可夫模型的3D手写识别方法

计算机应用研究 2012年第9期29卷 3565-3567,3570页

作者：王琦进齐晓霞江义渊徐旺兴安徽新华学院信息工程学院合肥230088 台湾万能科技大学资讯工程系台湾中砺32061

为实现便捷高效的人机交互,提高交互能力,在基于隐马尔可夫模型(HMM)的基础上,提出了一种新的3D手写识别方法。该方法使用带有三轴加速度传感器的手持设备去采集各种手写数据;使用插值及快速傅里叶变换(FFT)滤波等方法对采集的数据进行... 详细信息

为实现便捷高效的人机交互,提高交互能力,在基于隐马尔可夫模型(HMM)的基础上,提出了一种新的3D手写识别方法。该方法使用带有三轴加速度传感器的手持设备去采集各种手写数据;使用插值及快速傅里叶变换(FFT)滤波等方法对采集的数据进行预处理;使用隐马尔可夫模型对每个手写动作进行模型训练;使用训练过的手写模型对采集的数据进行手写识别。数据测试结果表明,该方法在手持移动设备上数据分类的准确性可达到84.5%。

关键词：手写识别加速度传感器隐马尔可夫模型快速傅里叶变换

在线全文

学校读者我要写书评

暂无评论

基于LSTM的智能手机3D手写识别

兰州理工大学学报 2024年第1期50卷 96-103页

作者：张乐包广斌郭琳武立商洛学院电子信息与电气工程学院陕西商洛726000 兰州理工大学计算机与通信学院甘肃兰州730050 陕西省商洛市体育运动中心陕西商洛726000

针对传统传感器需要在特定的空间区域内才能进行人机交互,极易受到外部环境因素干扰的问题,提出一种新的基于长短时记忆神经网络(LSTM)的智能手机3D空间手写识别方法,用于非特定三维空间中实现的人机交互.首先,利用智能手机内置三轴加... 详细信息

针对传统传感器需要在特定的空间区域内才能进行人机交互,极易受到外部环境因素干扰的问题,提出一种新的基于长短时记忆神经网络(LSTM)的智能手机3D空间手写识别方法,用于非特定三维空间中实现的人机交互.首先,利用智能手机内置三轴加速度传感器,采集手部运动数据,并将采集的数据进行预处理操作,构建3D手写识别数据集;然后,基于LSTM构建3D手写识别模型,并利用构建的数据集进行训练;最后,利用训练后的模型实现智能手机的3D手写分类识别.通过在本文自建的非依赖用户数据集上进行测试,实验结果表明,该识别方法可以实现86.4%的准确率,88.1%的召回率,88.4%的精准率和88.0%的F_(1)分数.

关键词：智能手机加速度传感器手写识别 LSTM

在线全文

学校读者我要写书评

暂无评论

基于字素分割的蒙古文手写识别研究

中文信息学报 2017年第5期31卷 74-80页

作者：范道尔吉高光来武彗娟内蒙古大学计算机学院内蒙古呼和浩特010021 内蒙古大学电子信息工程学院内蒙古呼和浩特010021

隐马尔科夫模型(HMM)对序列数据有很强的建模能力,在语音和手写识别中都得到了广泛的应用。利用HMM研究蒙古文手写识别,首先需要解决的问题是手写文字的序列化。从蒙古文的构词和书写特点看,蒙古文由多个字素从上到下串联构成。选择字... 详细信息

隐马尔科夫模型(HMM)对序列数据有很强的建模能力,在语音和手写识别中都得到了广泛的应用。利用HMM研究蒙古文手写识别,首先需要解决的问题是手写文字的序列化。从蒙古文的构词和书写特点看,蒙古文由多个字素从上到下串联构成。选择字素集合和词的字素分割是手写识别的基础,也是影响识别效果的关键因素。该文根据蒙古文音节和编码知识确定了蒙古文字母集合,共包括1 171个字母。通过相关性处理、HMM排序筛选等手段得到长字素集合,共包括378个字素。对长字素经过人工分解,获得了50个短字素。最后利用两层映射给出了词转字素序列的算法。为了验证长短字素在手写识别中的效果,我们在HTK(hidden Markov model toolkit)环境下利用小规模字库实现了手写识别系统,实验结果表明短字素比长字素有更好的性能。文中给出的字素集合和词转字素序列的算法为后续基于HMM的蒙古文手写识别研究奠定了基础。

关键词：蒙古文字素 HMM 手写识别

在线全文

学校读者我要写书评

暂无评论

基于云计算平台的手写识别系统

电信科学 2010年第9期26卷 84-89页

作者：何聪金连文周贵斌华南理工大学电子与信息学院广州510640

本文利用Enomaly虚拟云架构技术设计了一个云手写识别系统,除了提供高准确率的识别功能外,同时使得倾斜书写识别、用户自适应识别等需要高计算及存储资源的功能实现成为可能。实验结果表明,传统C/S模式的传统服务器在用户并发数为300时... 详细信息

本文利用Enomaly虚拟云架构技术设计了一个云手写识别系统,除了提供高准确率的识别功能外,同时使得倾斜书写识别、用户自适应识别等需要高计算及存储资源的功能实现成为可能。实验结果表明,传统C/S模式的传统服务器在用户并发数为300时处理能力已经达到极限,而采用基于云计算架构的手写识别系统能轻松处理1000个并发用户的服务请求,在处理300个并发用户时,接入率为100%,远高于传统服务器模式的接入率(82.7%),平均识别处理时间仅为16ms,大大低于传统服务器模式的处理时间(340ms)。

关键词：云计算手写识别手写输入法 Android

在线全文

学校读者我要写书评

暂无评论

基于云计算平台的个性化手写识别系统的研究

基于云计算平台的个性化手写识别系统的研究

作者：周贵斌华南理工大学

学位级别：硕士

随着计算机技术和移动通信技术的高速发展，带有触摸屏的移动设备（掌上电脑，智能手机，平板电脑等）日渐普及。手写输入法作为一种最自然的输入方式，伴随着触摸屏技术的发展和智能移动设备的普及，得到了越来越多用户的青睐，成为主... 详细信息

随着计算机技术和移动通信技术的高速发展，带有触摸屏的移动设备（掌上电脑，智能手机，平板电脑等）日渐普及。手写输入法作为一种最自然的输入方式，伴随着触摸屏技术的发展和智能移动设备的普及，得到了越来越多用户的青睐，成为主要的输入方式。 SCUT gPen作为首款结合云计算平台的联机手写汉字输入法，在用户允许的情况下，把手写轨迹发送到云识别模块进行识别。利用云识别模块，一方面可以提高识别率，另一方面可以采集到海量用户在真实环境无约束情况下使用输入法的手写数据样本。由于手写汉字分类器训练样本的局限性及用户手写风格的巨大差异，通用的手写汉字识别模块无法满足所有用户的要求。而增量学习的方法可以通过利用这些用户的增量手写数据样本，进行手写风格自适应，提高其识别率，但这些研究尚未在真实使用场景下进行验证;另一方面，如何利用云计算技术对海量手写样本数据进行存储和数据挖掘尚未有深入的研究。本文针对这两个问题，结合云计算平台，提出并实现了一套可行的个性化手写识别系统整体框架，能够半自动化地在云计算平台上完成手写识别，海量手写数据存储，手写数据挖掘及针对合适用户进行书写风格自适应的训练和测试。主要工作包括：（1）在用户授权许可情况下把用户通过输入法书写的轨迹数据发送到云服务器进行识别，并保存到云服务器数据库。利用输入法的云识别模块，首次在联机手写汉字领域，在短短1年时间内采集到20万用户在真实场景无约束条件下约1.5亿个原始手写样本，平均每天增加约200万条原始手写样本，为后续手写识别的研究提供了海量数据样本。（2）在云服务器设计和实现了海量手写数据的接入和存储模块，使得可以方便快捷地对海量用户手写数据进行检索和数据挖掘。对海量手写数据进行多维度的数据挖掘，挖掘出用户在真实环境无约束条件下使用手写输入法的使用习惯，书写偏好及地域分布等信息，为后续进行更深入的手写数据挖掘提供了数据和方法准备。（3）通过统计数据选取出合适用户，通过半自动化的方法对原始数据进行整理校正和增量学习。验证了利用手写输入法的云识别模块采集用户在真实场景无约束条件下书写的增量手写数据样本，对于特定用户，可以大大提高这些用户的手写识别率。验证了手写风格自适应的理论研究可以应用到真实场景下。（4）优化单机gPen云识别服务器接入和处理性能，分析性能瓶颈并提出解决办法，使得单机可以满足gPen客户端7*24的识别请求，保证单机可以每天响应180万个手写识别和存储请求。同时利用云计算高可用性和高伸缩性的优点，随着用户数量和计算需求的不断增长，在单机无法响应所有客户请求时，通过平滑扩展云计算平台的规模，已达到满足用户的需求，而不影响用户的正常服务。本文提出的系统框架为后续进行更深入的手写汉字研究提供了海量数据和方法准备。

关键词：手写识别个性化数据挖掘云计算

基于云计算的手写识别数据即服务平台设计与实现

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于云计算的手写识别数据即服务平台设计与实现

作者：何玫峻华南理工大学

学位级别：硕士

随着互联网时代的到来,智能手机的广泛应用促进了手写交互这一重要人机交互方式的发展。手写交互的一个重要应用技术是手写文字识别,这个技术具有技术门槛高,开发周期较长的特点。对于手写交互领域而言,需要一种整合数据资源的平台提供... 详细信息

随着互联网时代的到来,智能手机的广泛应用促进了手写交互这一重要人机交互方式的发展。手写交互的一个重要应用技术是手写文字识别,这个技术具有技术门槛高,开发周期较长的特点。对于手写交互领域而言,需要一种整合数据资源的平台提供关于手写识别数据方面的服务,云计算技术的发展为实现这种服务提供了可能性。本文实现的手写识别数据即服务平台为这些问题提供了一定的解决方案。近年来深度卷积神经网络技术的出现促进了手写汉字识别发展,本文利用Softmax置信度区间对大量手写识别样本进行统计分析,从识别率和置信度分布关系分析了置信度区间与手写汉字样本识别率的关系,分析了不同识别率样本以及不同置信度样本表现出来的特征,同时利用置信度区间对手写样本进行重新标记,描述了基于候选字出现频率,基于置信度区间排序以及基于信息熵的三种相似字发现方法,并应用到构建手写识别数据服务平台的实现中。本文所实现的服务平台针对手写识别数据的技术领域,从数据存储层,数据服务层和接入层进行设计和实现,以手写数据为核心,提供了如下服务:1)海量笔迹存储服务,为数据服务层提供了数据服务基础;2)手写笔迹识别服务提供在线识别服务,样本调度服务提供4个维度的样本调度,后台管理服务方便管理员对用户权限管理以及用户方便对笔迹数据进行管理。这些服务是数据平台的核心业务逻辑,为用户提供丰富的数据服务功能;3)接入层从鉴权接入层和外部接入层实现了数据平台服务的鉴权过程,并提供了SDK实现,降低了使用在线手写识别数据服务的复杂程度。

关键词：手写识别数据服务平台置信度度量云计算

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于手写识别的运动学过程模拟方法研究

基于手写识别的运动学过程模拟方法研究

作者：李玲北京林业大学

学位级别：硕士

随着智能电子设备的普及,通过计算机辅助进行教学已经成为最常用的教学方式,可以有效地帮助学生更好地学习理解书本上的文字知识。在物理课程教学中,课程理论知识抽象、示意图联想困难等问题,导致示意图不能有效地帮助学生学习。通过计... 详细信息

随着智能电子设备的普及,通过计算机辅助进行教学已经成为最常用的教学方式,可以有效地帮助学生更好地学习理解书本上的文字知识。在物理课程教学中,课程理论知识抽象、示意图联想困难等问题,导致示意图不能有效地帮助学生学习。通过计算机对物理过程进行正确模拟,对物理学习具有积极意义。论文对运动学教学中常见机构进行分析总结后,在对构件示意图进行识别及分析构件间约束关系的基础上,实现了对手写运动学机构示意图的识别及其运动过程模拟。论文对构件示意图的组成图元进行分类,分为直线、折线、圆、点、圆弧、矩形及三角形7种。所提出的构件识别算法是在基于图元的笔画识别的基础上,结合图元笔画间的位置、连接关系,对手写构件示意图进行识别,16种构件的识别准确率达到93.25%。论文在对用户绘制示意图的习惯分析的基础上,建立符合用户意图的约束关系,并对机构示意图中的构件进行位置矫正,然后基于二维物理引擎实现机构的运动过程模拟。实验结果表明,该方法可在对手写运动学构件符号以及构件间的约束关系进行正确的识别和矫正的基础上,实现对整个运动机构的识别,以及对机构运动过程的模拟。

关键词：手写识别运动学示意图相对位置矫正运动过程模拟

基于改进WKNN的Wi-Fi手写识别技术研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于改进WKNN的Wi-Fi手写识别技术研究

作者：李旭东北京邮电大学

学位级别：硕士

随着计算机、物联网以及移动智能设备的普及,人们使用智能设备的时间日渐增多,而人机交互技术(Human-Computer Interaction,HCI)的好坏决定了人们使用智能设备的效率。人体姿态识别技术作为一种新兴的人机交互技术也因此成为了研究人员... 详细信息

随着计算机、物联网以及移动智能设备的普及,人们使用智能设备的时间日渐增多,而人机交互技术(Human-Computer Interaction,HCI)的好坏决定了人们使用智能设备的效率。人体姿态识别技术作为一种新兴的人机交互技术也因此成为了研究人员的研究热点。已有的人体姿态识别技术主要分为三种实现形式,分别是光识别(Camera-Based)、传感器识别(Sensor-Based)以及无线电识别(Wireless Signal-Based),无线电识别以其不受室内光照条件,无需使用者佩戴额外设备以及保护隐私等诸多优势脱颖而出。本文结合无线通信、计算机技术以及机器学习原理,使用现今室内分布最广的Wi-Fi信号作为载体,搭建了一个室内手写识别系统,对人体手写内容进行识别。本文从系统搭建,数据处理,特征选取,分类算法优化几个方面对该系统进行研究,并采集数据对系统性能进行验证。本文的主要工作有以下三个部分。一、针对信道状态信息(Channel State Information,CSI)只适用于少数网卡和802.11n以上协议这一缺点,本文使用软件无线电设备提取Wi-Fi信号和所有商用网卡都能够得到的接收信号强度指示(Received Signal Strength Indication,RSSI)作为数据载体,实现一发多收(SIMO)的RSSI接收系统。二、对接收信号进行预处理,针对已有数据截取算法阈值设定不合理、易受噪声影响的特点,设计了一个基于信号平均绝对离差(MAD)的自适应数据截取算法,实现截取阈值的动态变化。通过实验证明其有更高的截取准确率和抗噪能力。三、通过分析已有的特征提取方法的优缺点,最终决定使用离散小波变换(Discrete Wavelet Transform,DWT)提取截取数据的波形特征,通过对不同波形匹配算法的分析,将动态时间规整(Dynamic Time Warping,DTW)的变体导数动态时间规整(DDTW)和多维动态时间规整(MD-DTW)相结合,设计了一种导数多维动态时间规整(MD-DDTW)算法,使用其对波形数据进行匹配,将最小规整距离作为波形之间的匹配距离,来优化权重k近邻(WKNN)算法。通过和已有算法的比较,证明优化后的WKNN具有更加优良的识别效果。最终本文提出的基于改进WKNN的Wi-Fi手写识别系统,能够在测试者书写习惯不同的情况下,实现对26个英文大写字母的识别,平均检测率达到了89.12%,平均识别率达到了 80.09%,具有一定的实用性和研究价值,为基于Wi-Fi的手写识别技术和使用RSSI细粒度分类提供了新的想法和思路。

关键词：手写识别 Wi-Fi RSSI DTW WKNN