导读:本文包含了笔段特征论文开题报告文献综述及选题提纲参考文献，主要关键词:联机手写汉字识别,笔段特征,分类器学习,DTW匹配
笔段特征论文文献综述
陈继航,刘家锋,赵巍,唐降龙[1]（2010）在《联机手写识别笔段特征分类器的学习方法》一文中研究指出联机手写汉字识别的重要方法是采用能很好描述形似汉字之间局部结构差异的结构识别方法,其中笔段特征作为一个重要的结构特征而被广泛应用。然而笔段特征分类器的学习一直是该领域的难点,且没有展开充分深入的研究。独立地提出了一种笔段特征分类器的全自动学习方法。在学习中,先是首次利用谱聚类思想,通过巧妙的改进,成功的实现了笔段特征按输入笔顺的无监督聚类,后又独立创造出一种针对笔段序列的样本集均值学习方法。这样,最终良好的实现了笔段特征分类器的学习。实验证明,通过学习分类器的性能显着提高。(本文来源于《黑龙江省计算机学会2009年学术交流年会论文集》期刊2010-04-03）
陈继航[2]（2009）在《基于笔段特征与方向特征的联机手写汉字识别研究》一文中研究指出手写体的中文字符识别不但在理论上有重要意义,而且也有广泛的应用价值。对联机的手写识别问题,本文从模式分类的角度,重点研究了基于笔段特征与方向特征的分类器设计、学习及评价。对笔段特征分类器,本文给出了特征提取方法及分类器的设计原理,重点讨论了笔段序列间距离的定义与计算方法,其间主要利用了串匹配中的编辑距离思想与动态规划的算法设计技术。笔段特征分类器的学习一直是该领域的难点,且很少有这方面的研究。对此,本文独立地提出了一种笔段特征分类器的全自动学习方法。在学习中,先是首次利用谱聚类思想,通过巧妙的改进,成功的实现了笔段特征按输入笔顺的无监督聚类,后又独立创造出一种针对笔段序列的样本集均值学习方法。这样,最终良好的实现了笔段特征分类器的学习。实验证明,通过学习,分类器的性能显着提高。对基于方向特征的分类器,本文按照分类器工作的过程,依次给出了特征提取方法、特征选择方法及近邻、修正的二次判别函数法两种分类器的设计方法,并通过大量的实验,对方向特征及两种分类器的性能作了评价。其中,修正的二次判别函数法拥有很高的识别率。本文在最后部分,尝试性的给出了分类器融合的方法,级联融合与并联融合,并通过实验对这两种方法给予评价。最终,自由书写的两级汉字的识别准确率,在训练样本上超过97%,在测试样本上超过90%。(本文来源于《哈尔滨工业大学》期刊2009-06-01）
孟明,吴仲城,余永,葛运建[3]（2007）在《基于笔段特征和HMM的在线签名认证方法研究》一文中研究指出手写签名过程中的书写力包含丰富个人特征.受输入设备所限,目前的在线手写签名认证系统都没有能够充分利用这一信息.基于此,本文提出一种综合利用签名字形和书写力特征的在线签名认证方法.首先,利用一种新型的 F-Tablet 手写板用于获取签名的动态笔迹和书写力信息,并根据速度极小值点对签名进行笔画分段.然后从中提取16维的字形和书写力特征矢量序列用于签名隐马尔可夫模型(HMM)的建立和认证.在基于 F-Tablet手写板建立的签名数据库上的认证实验结果表明书写力特征比字形特征更难以模仿,两种特征相结合可以有效提高系统的识别性能,提出的认证方法的相等错误率(EER)达到3.9%.(本文来源于《模式识别与人工智能》期刊2007年01期）
笔段特征论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
手写体的中文字符识别不但在理论上有重要意义,而且也有广泛的应用价值。对联机的手写识别问题,本文从模式分类的角度,重点研究了基于笔段特征与方向特征的分类器设计、学习及评价。对笔段特征分类器,本文给出了特征提取方法及分类器的设计原理,重点讨论了笔段序列间距离的定义与计算方法,其间主要利用了串匹配中的编辑距离思想与动态规划的算法设计技术。笔段特征分类器的学习一直是该领域的难点,且很少有这方面的研究。对此,本文独立地提出了一种笔段特征分类器的全自动学习方法。在学习中,先是首次利用谱聚类思想,通过巧妙的改进,成功的实现了笔段特征按输入笔顺的无监督聚类,后又独立创造出一种针对笔段序列的样本集均值学习方法。这样,最终良好的实现了笔段特征分类器的学习。实验证明,通过学习,分类器的性能显着提高。对基于方向特征的分类器,本文按照分类器工作的过程,依次给出了特征提取方法、特征选择方法及近邻、修正的二次判别函数法两种分类器的设计方法,并通过大量的实验,对方向特征及两种分类器的性能作了评价。其中,修正的二次判别函数法拥有很高的识别率。本文在最后部分,尝试性的给出了分类器融合的方法,级联融合与并联融合,并通过实验对这两种方法给予评价。最终,自由书写的两级汉字的识别准确率,在训练样本上超过97%,在测试样本上超过90%。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
笔段特征论文参考文献
[1].陈继航,刘家锋,赵巍,唐降龙.联机手写识别笔段特征分类器的学习方法[C].黑龙江省计算机学会2009年学术交流年会论文集.2010
[2].陈继航.基于笔段特征与方向特征的联机手写汉字识别研究[D].哈尔滨工业大学.2009
[3].孟明,吴仲城,余永,葛运建.基于笔段特征和HMM的在线签名认证方法研究[J].模式识别与人工智能.2007