基于SVM的草写体字符识别器

• 作者: Camastra Francesco 李豪（译）
• 来源期刊: 图象识别与自动化
• 学科: 工学
• 关键词: 支持向量机 神经气体 学习向量机的数字化 多层感知器 交叉的有效性 草写体字符识别
• 年，卷（期）: 2008,（1）
• 页码范围: 15-22
• 页数: 8页
• 分类号: TP391.43

摘要

本文提出了一种草写体字符识别器，它基于分割和识别方式的关键模型，适用于任何草写体单词系统，通过支持向量机（SVM）和神经气体实现字符的分类。在单一类别或非单一类别中，神经气体采用验证某些字符是否在上部和下部的连接情况，然后由SVM进行字符的识别。在数据库中，对57，293个字符采用草写体字符识别器进行训练和试验。根据识别率与特殊的神经分类器，如学习向量机的数字化和多层感知器的比较，SVM的性能较好。在草写体字符识别中，SVM的识别率是最高的。