新傣文手写体字符识别算法比较研究

发布时间：2022-07-12 17:52

　　我国的少数民族大多集聚在相对偏远的地方,当地科技发展相对滞后导致其文字信息化进程较慢,傣族也是如此。傣族主要生活在云南西双版纳地区,他们使用的新傣文,相对于汉字、藏文及维吾尔文的研究,针对新傣文的研究相对较少。傣族也创造了灿烂无比的文化,在我国民族文化史上有着非常重要的一席之地。研究手写体新傣文字符识别有助于傣文的传播,是对傣族文化的传承与继承,更有助于加速当地文字的信息化进程,极大方便他们的生活。本文的主要内容是用以支持向量机为代表的浅学习和卷积神经网络为代表的深度学习分别对新傣文手写体样本字符进行识别。第一种方法的主要工作包括新傣文手写体样本字符的采集、预处理、Gabor滤波器特征提取,PCA降维、支持向量机识别;第二种方法主要是搭建深度学习运行所需要的环境,以Keras软件为深度学习框架搭建卷积神经网络,对新傣文手写体样本字符进行识别。最终得到的实验结果为:用支持向量机的LIBSVM库对新傣文手写体样本字符进行分类识别,识别率为87.0782%;而用Keras软件搭建的卷积神经网络对其进行识别,识别率达到了93.47%。这两种方法对新傣文手写体样本字符的识别达到了预期的效果,说明... 

【文章页数】：62 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 新傣文识别的背景及意义
    1.2 国内外研究现状
        1.2.1 字符识别发展史
        1.2.2 国内外字符识别发展情况
    1.3 文字识别简述
        1.3.1 文字识别的分类
        1.3.2 文字的特征提取与识别
        1.3.3 文字识别的基本方法
    1.4 本文结构安排
第2章 新傣文字符基本认识
    2.1 新傣文简介
    2.2 新傣文字符的结构特点
    2.3 手写体新傣文字符特征提取的考虑
    2.4 新傣文字符识别的难点
    2.5 本章小结
第3章 新傣文手写体字符的采集与预处理
    3.1 新傣文手写体字符的样本采集
        3.1.1 样本采集软件
        3.1.2 实验数据库的选择
    3.2 样本预处理
        3.2.1 去重复点
        3.2.2 笔画平滑
        3.2.3 归一化处理
        3.2.4 样本字符重采样
    3.3 本章小结
第4章 样本字符Gabor特征提取与支持向量机识别
    4.1 Gabor特征提取
        4.1.1 Gabor变换发展历史
        4.1.2 Gabor滤波器
        4.1.3 Gabor滤波器的特点
        4.1.4 Gabor特征提取
    4.2 降维
        4.2.1 LDA与PCA
        4.2.2 PCA原理
    4.3 支持向量机的概述
        4.3.1 支持向量机
        4.3.2 支持向量机的基本原理
        4.3.3 支持向量机的特点
        4.3.4 支持向量机的多值分类问题
        4.3.5 基于支持向量机的Libsvm库使用
    4.4 本章小结
第5章 卷积神经网络算法概述
    5.1 深度学习的概述
        5.1.1 深度学习
        5.1.2 深度学习的理论依据
        5.1.3 特征提取与深度学习
        5.1.4 梯度下降算法与反向传播算法
    5.2 Keras
        5.2.1 Keras的优点
        5.2.2 Keras深度学习模型
        5.2.3 Keras中重要的预定义对象
        5.2.4 Keras的网络层构造
        5.2.5 Keras的样本扩充
    5.3 卷积神经网络
        5.3.1 卷积神经网络产生及发展
        5.3.2 卷积神经网络与传统分类器的对比
        5.3.3 卷积神经网络的基本结构
        5.3.4 卷积神经网络的结构特性
        5.3.5 对卷积神经网络的一些认识
        5.3.6 卷积神经网络参数与设计
    5.4 本章小结
第6章 实验结果与分析
    6.1 实验结果
        6.1.1 基于支持向量机的分类识别
        6.1.2 基于Keras的卷积神经网络分类识别
    6.2 实验结果分析
    6.3 本章小结
第7章 总结与展望
参考文献
致谢



本文编号：3659581