信息粒及其在脱机手写识别中应用的研究

论文摘要

信息粒和粒计算是近几年国际上发展较迅速的一个学科，它在许多方面都有其特别的理论意义和应用价值。 本文详细分析研究了粒计算的基本理论与技术，并将其应用于模式识别特别是脱机手写识别字符领域，构建脱机手写识别字符的特征信息系统。着重研究了特征信息粒的提取、特征信息粒的处理，以及基于信息粒的分类器的构建等方面的内容。提出基于信息粒技术的邻域拓展及约简方案和模版匹配的MAXNET网络分类器模型。并采用上述方案和分类模型对10个脱机手写阿拉伯数字进行识别实验和与传统识别方法进行对比研究试验，实验结果表明所提出的分类模型不仅是有用的，而且是有效的，识别效果达到了预期的目标。 论文的最后部分分析了所给方案中的一些不足之处，并展望了信息粒和粒计算技术在模式识别领域的未来发展趋势。

论文目录

• 第一章 引言
• 1.1 背景介绍
• 1.2 本文的主要创新点
• 1.3 本文章节划分
• 第二章 信息粒及粒计算
• 2.1 概述
• 2.2 粒计算的研究现状
• 2.2.1 以模糊集理论、邻域观点研究信息粒
• 2.2.2 以逻辑观点研究信息粒的划分以及粒度分解和合并
• 2.2.3 以代数格划分信息粒并通过映射研究不同层上粒度之间的关系
• 2.2.4 以包含度、Mercology概念研究粒计算
• 2.2.5 基于古数学中“黄金分割”的粒计算
• 2.2.6 在粒计算意义下的Rough集
• 2.3 展望
• 第三章 脱机手写字符识别
• 3.1 概述
• 3.2 脱机手写识别
• 3.2.1 模板匹配法
• 3.2.2 统计特征
• 3.2.3 结构特征
• 3.3 当前的研究热点
• 3.3.1 预处理技术
• 3.3.2 特征抽取与分析
• 3.3.3 识别字典的生成与分类器的设计
• 3.3.4 多方案集成
• 第四章 基于粒计算的脱机手写识别信息系统
• 4.1 引言
• 4.2 脱机手写识别信息粒系统
• 4.3 邻域拓展
• 4.4 约简
• 第五章 基于粒计算的G-MAXNET网络分类器模型
• 5.1 分类器模型的提出的背景
• 5.2 G-MAXNET全局决策规则网络分类器模型
• 5.3 脱机手写识别文字的算法描述
• 第六章 基于粒计算的脱机手写阿拉伯数字识别的实验
• 6.1 实验一:使用原始的决策规则模版信息粒的分类器
• 6.2 实验二:使用邻域拓展的决策规则模版信息粒的分类器
• 6.3 实验三:使用进行了约简的决策规则模版信息粒的分类器
• 6.4 结论
• 第七章 结束语
• 7.1 论文总结
• 7.2 论文研究成果
• 7.3 有待于进一步解决的问题
• 附录一 实验数据库截图
• 附录二 试验系统截图
• 附录三 部分实验代码
• 附录四 攻读硕士学位期间发表的文章
• 致谢
• 参考文献