基于HCC-SVM的字符識別技術(shù)研究.pdf

1、支持向量機(Support Vector Machine，SVM)是在統(tǒng)計學習理論的基礎(chǔ)上發(fā)展起來的，是一種優(yōu)秀的基于數(shù)據(jù)的機器學習算法，是一種功能強大的數(shù)據(jù)分類技術(shù)，具有嚴格的理論和數(shù)學基礎(chǔ)，在文本分類、字符識別、圖像識別、人臉識別、指紋識別、蛋白質(zhì)結(jié)構(gòu)、基因檢測等鄰域有著廣泛的應(yīng)用。 本文圍繞字符識別技術(shù)，對字符識別預處理算法與支持向量機分類算法進行了深入的研究。在字符圖像預處理方面，重點研究了灰度圖像濾波算法、圖像的傾斜檢

2、測和字符分割算法；在支持向量機分類方面，提出了一種新的快速的按類分級聚類(HierarchicalClustering by Category，HCC)支持向量機算法--HCC-SVM。 本文的主要研究內(nèi)容與創(chuàng)新點如下： (1)從脈沖噪聲點檢測的角度出發(fā)，提出了一種新的的灰度圖像濾波方法，在噪聲密度較高的情況下，仍然能保持良好的濾波性能，并且算法運行速度快。 (2)利用首行文本在一條直線上并且上方?jīng)]有文字干擾的特

3、性，提出了一種基于首行文本行的傾斜檢測方法，能夠滿足純文本圖像傾斜檢測的需要，而且處理速度快。 (3)利用文本的行間隔特性，提出了一種基于行列的字符分割法，能夠在圖像質(zhì)量較好時，實現(xiàn)文本圖像中的文字分割。 (4)針對傳統(tǒng)的支持向量機在訓練大數(shù)據(jù)集數(shù)據(jù)時遇到的算法運行時間長和占用內(nèi)存空間大的問題，提出了HCC-SVM算法，解決在大樣本環(huán)境下算法的運行時間和空間問題。與傳統(tǒng)的SVM算法相比，HCC-SVM可以極大地提高算法的