1. Trang chủ
  2. Luận Văn - Báo Cáo

đề tài nhận dạng ký tự viết tay dùng mô hình markov

76 707 2
đề tài nhận dạng ký tự viết tay dùng mô hình markov

Đang tải... (xem toàn văn)

Tài liệu hạn chế xem trước, để xem đầy đủ mời bạn chọn Tải xuống

Thông tin tài liệu

. việc nhận dạng ký tự (khoảng 95%) và có những bước tiến đáng kể trong nhận dạng cả từ. Tuy nhiên sản phẩm vẫn chưa nhận dạng được chữ viết tay tiếng Việt. Như vậy có thể thấy nhận dạng chữ viết tay, . bài toán nhận dạng chữ viết tay on-line. - Mô hình nhận dạng chữ viết được đề xuất từ năm 1951 do phát minh của M. Sheppard được gọi là GISMO, một robot đọc -viết. - Năm 1954, máy nhận dạng chữ. toán lớn là nhận dạng chữ viết tay trực tuyến (online) và nhận dạng chữ viết tay ngoại tuyến (offline). Trong nhận dạng chữ viết tay ngoại tuyến, dữ liệu đầu vào được cho dưới dạng các ảnh được

Ngày đăng: 18/03/2015, 10:24

Xem thêm: đề tài nhận dạng ký tự viết tay dùng mô hình markov, đề tài nhận dạng ký tự viết tay dùng mô hình markov, I.4 Phạm vi đề tài, f(t) miêu tả biên và là dấu hiệu bất biến đối với phép dịch chuyển. Biến đổi Fourier rời rạc DFT của f(t) được cho bởi:, III.2 HUẤN LUYỆN VÀ CHO ĐIỂM HMM

Từ khóa liên quan

Mục lục

  • Hình 1.4 Mô hình Markov ẩn

  • Hình 1.5 Đồ thị vô hướng HMM

    • I.3.2 Máy vector hỗ trợ

    • Hình 1.8 Siêu phẳng phân chia tuyến tính

    • Hình 1.9 Biên độ và siêu phẳng có biên độ cực đại

    • Hình 1.10 Vector hỗ trợ

    • Hình 1.11 Ánh xạ phi tuyến và hàm hạt nhân

    • Hình 1.12 Mô hình nhận dạng ký tự dùng SVM

      • I.3.3 Mạng Neural

      • Hình 1.13 Sơ đồ một mạng neural nhận dạng ký tự

      • So với hai phương pháp còn lại, phương pháp sử dụng mạng Neural được lựa chọn là do những ưu điểm sau đây:

      • Tính phi tuyến.

      • Mô hình tổng quát cho ánh xạ từ tập vào đến tập ra.

      • Có thể yêu cầu sự tiến hóa nhanh của hàm mục tiêu.

      • Chấp nhận lỗi ở các ví dụ học.

      • Thích ứng với nhiễu dữ liệu.

        • I.4 Phạm vi đề tài

          • II.2.4.3 Bộ lọc Gauss

          • II.2.5 Làm trơn ảnh, tách biên đối tượng

          • II.3 Căn chỉnh độ lệch trang

          • II.4 Trích chọn đặc trưng

          • II.4.1 Một số đặc trưng cơ bản của mẫu

          • Hình 2.7 Phân vùng

          • Hình 2.8 Lược đồ mức xám (histogram)

Trích đoạn

III.2 HUẤN LUYỆN VÀ CHO ĐIỂM HMM III.2.1 Các tiêu chuẩn huấn luyện

III.3 LƯỢNG HÓA VECTOR VÀ PHÂN NHÓM III.3.1 Lượng hóa vector

ABCDĐEG HIKLMNO ƠPQRSTU ƯVXY

CÀI ĐẶT CHƯƠNG TRÌNH VÀ ĐÁNH GIÁ KẾT QUẢ V.1 Môi trường thực nghiệm

Tài liệu cùng người dùng

Tài liệu liên quan