ART2神经网络在手写体汉字识别中的应用

• 作者: 陈继荣 黄戈祥
• 来源期刊: 计算机仿真
• 学科: 工学
• 关键词: 手写体汉字识别 自适应振荡神经网络 特征提取 模式识别
• 年，卷（期）: 2006,（7）
• 所属期刊栏目: 人工智能与专家系统
• 页码范围: 153-156
• 页数: 4页
• 分类号: TP391.43
• 字数: 4040字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-9348.2006.07.042

摘要

该文提出了一种基于神经网络的手写体汉字识别方法,该算法充分利用神经网络的自适应学习能力.ART2网络通过竞争学习和自稳机制原理实现分类,可以在非平稳的、有干扰的环境中进行无教师无监督的自学习.其学习过程是自组织的实时学习,能够迅速识别已学习过的样本,并能迅速适应未学习过的新对象.考虑到Gabor滤波器具有优良的方向性,该算法采用Gabor特征作为字符特征.Gabor特征反映字符的空间分布特征,而且可以组合成高维矢量,特别适用于汉字识别这大型模式识别场合.实验结果显示,该算法对测试样本识别正确率达到94%,比其他方法[1-4]更准确、更可靠.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈继荣	中国科学技术大学电子工程与信息科学系	18	290	10.0	17.0
2	黄戈祥	中国科学技术大学电子工程与信息科学系	4	72	4.0	4.0