Адаптивное распознавание и его применение к системе ввода печатного текста

• Автор: Славин, Олег Анатольевич
• Шифр специальности: 05.13.01
• Научная степень: Докторская
• Год защиты: 2011
• Место защиты: Москва
• Количество страниц: 310 с. : ил.

ВВЕДЕНИЕ

АЛГОРИТМЫ РАСПОЗНАВАНИЯ СИМВОЛОВ ПЕЧАТНОГО ТЕКСТА

Общие методы распознавания образов

Нейронные сети

Многослойный нерцеитрои

Сети с радиальными базисными функциями

Обучающееся векторное квантование

Иерархическое векторное квантование

Ме юд опорных векторов

Алгебраический подход Ю.И.Журавлева

Методы распознавания одиночных символов

Исходные данные для распознавания символов
Шрифтовые алгоритмы
Шрифтонезависимые алгоритмы
Выводы по главе
РАСПОЗНАВАНИЕ ПЕЧАТНОГО ТЕКСТА
Характеристики качества распознавания символов
Комбинирование алгоритмов
Алгоритмы распознавания строк символов
Основные понятия сегментации
Оценки сегментации и критерии оптимальности
Некоторые подходы для реализации сегментации
Способы сокращения перебора вариантов сегментации
Обсуждение алгоритмов сегментации
Характеристики распознавания строки символов
Использование базовых линий для распознавания строки символов
Использование словарных механизмов
Выводы по главе
АДАПТИВНОЕ РАСПОЗНАВАНИЕ
Место адаптивного распознавания в системы ввода текстов
Формирование обучающей выборки
Подтверждение надежности распознавания с помощью монотонности
Подтверждение надежности распознавания с помощью словарей
Алгоритмы кластеризации и способы формирования эталонов
Модели образа кластера и формирование эталонов
Модель оцифровки
Модель образа класгера
Исследование влияния сдвигов при сравнении с образом кластера
Описание задачи
Описание абстрактной задачи
Частичное решение задачи 1
Случай евклидова пространства
Следствия найденных оценок
Качественное объяснение рассматриваемого эффекта
Модель сжатия бинарного изображения
Выводы по главе
МОДЕЛИРОВАНИЕ ПРОЦЕССОВ ОЦИФРОВКИ
План вычислительных экспериментов
Эксперименты для исследования симметрики с1о
Эксперименты для исследования симметрики i 9 ,
Эксперименты для оценки зависимости вариантов укладки от выбора опорного
элемента при суммировании с помощью симметрики 8
Эксперименты для оптимизации плотности укладки сумм, подсчитанных с помощью
симметрики 8
Эксперименты для оценки зависимости вариантов укладки от выбора опорного
элемента при суммировании с помощью симметрики и использования пороговой
модели образа кластера 7
Эксперименты по оценке влияния случайных искажений формы на распределения
значений точек образов кластеров
4.9 Комбинирование использования симметрии и
Выводы по главе
АЛГОРИТМЫ ПОИСКА ШРИФТОВ И РАСПОЗНАВАНИЯ СИМВОЛОВ С ПОМОЩЬЮ КЛАСТЕРОВ
Определение шрифтов в распознанном тексте
Поиск шрифтов в наборе кластеров
Оценка состава найденных шрифтов
Использование шрифтов при сжатии бинарных изображений
Алгоритм распознавания образов с помощью набора образов кластеров
Комбинирование результатов шрифтонезависимого распознавания и сравнения с
набором образов кластеров 0
Выводы по главе
РЕАЛИЗАЦИЯ АДАПТИВНОГО РАСПОЗНАВАНИЯ В СИСТЕМЕ ВВОДА
ПЕЧАТНЫХ ТЕКСТОВ
Описания возможностей системы ввода печатных текстов i
Основные понятия
Представление символа
Представление строки
Представление слова
Результаты распознавания групповых объектов
Модуль
Интерфейсные модули
Контейнер изображения I
Контейнер строки i
Контейнер обучения
Служебные модули
Пользовательский отладчик
Утилиты работы с контейнером обучения
Модули алгоритмов распознавания образа символа
Автономные модули распознавания образа символа
Комбинирование алгоритмов распознавания символов
Модули распознавания строки
Модули поиска характеристик текста
Модули критериев
Модули сегментации границ
Модуль распознавание атрибутов символов i
Модули лингвистической обработки iv
Модуль двуязычного распознавания строки 2
Модуль адаптивного распознавания
Схема взаимодействия модулей
Описание приложений с реализациями алгоритмов адаптивного распознавания
Выводы по главе
Заключение
Литература


Алгебраический подход Ю. Содержание диссертации организовано в соответствии с указанными выше целями. I методами. Описаны подходы к сегментации заранее неизвестных границ символов. Приведены описания средств словарной проверки и коррекции. РАН Арлазарова и д. Емельянова. Исследования в области нейронных сетей пережили три периода развития. XX века был обусловлен работой Мак Каллока и Питтса . Л1 1е или функцией г2 . А.Н. Колмогоров, 3. Теоретически всегда можно обойтись двухслойным перцептроном. Типичный распознающий перцептрон трехслойный. V где суммирование производится по ребра е слоя v, т. Существуют различные алгоритмы обучения сетеп 8. Т.Коонена , , , 6 х годов XX века. Идея векторного квантования состоит в том. С1,. С, т. Обычно это обучение происходит без учителя, т. Сначала общая схема. Вороного Уи. Уку а обученные центры IVь. Подробнее о векторном квантовании, см. В.Вапника и его коллег 5, 8, 3, 4 для общего случая. УМ быстро. Основная идея 8УМ такова. УМ учится только с учителем. ХХ,. Размерности пространств вложения оказываются очень большими. Ю.И. Журавлева. Также неизбежен небольшой случайный наклон строк вводимого текста. ЗАВОД. А.
Рисунок 1. ЗАВОД. Рисунок 1. Ь т, 1, . Дч Щ9 , . Лу уый интервал ой линии, состоящий из начальной и конечной координат. Растровое и линейное представления взаимообратимы. Популярными являются различные модификации методов сравнения с эталонами. Рисунок 1. Рисунок 1. СОУЕЯ1. Например, на рисунке 1. Следует отметить, что пороговые параметры а,, и у. Д0 и уп . Ьеап. Пусть дан бинарный образ Ят,п ги , где е1, т иуе1, я. СОУЕЯ1 и штрафуются точки растра Я такие, что ги0дсШОД. Часто для обучения используют кластерный анализ. Основной вопрос, рассматриваемый .