印刷体汉字的分类和识别.pptVIP

相关系数 返回 指数相似系数 返回 非负特征相似度 返回 二值特征相似度 二值特征向量的分量只能取值0或1。 二值特征分量有四种基本匹配 二值特征向量有四种匹配特征数 二值特征向量有五种常用相似度 返回 四种基本匹配 设二值特征向量x和y的第i个分量为xi和yi， 如果xi =1且yi=1，则称xi和yi (1-1)匹配； 如果xi =1且yi=0，则称xi和yi (1-0)匹配； 如果xi =0且yi=1，则称xi和yi (0-1)匹配； 如果xi =0且yi=0，则称xi和yi (0-0)匹配； 返回 四种匹配特征数 (1-1)匹配特征数： (0-1)匹配特征数： (1-0)匹配特征数： (0-0)匹配特征数： 所选特征总数n=a+b+c+e 返回 五种常用相似度 Tanimoto系数 Rao系数 简单匹配系数 Dice系数 Kulzinsky系数 返回 Tanimoto系数 表示二值特征向量x和y共同具有的特征总数和分别具有的特征种类总数之比。返回 Rao系数 表示二值特征向量x和y共同具有的特征总数和所选特征总数之比。返回 简单匹配系数 表示二值特征向量x和y同时具有或不具有的特征总数和所选特征总数之比。返回 Dice系数 返回 Kulzinsky系数 表示二值特征向量x和y共同具有的特征总数和单独具有的特征总数之比。返回 相似度计算举例 计算“汉”和“字”点阵向量的角度相似性以及5种二值特征相似度。 相似度计算结果 角度相似系数= 0.327165 Tanimoto系数=0.195402 Rao系数=0.066406 简单匹配系数= 0.726563 Dice系数= 0.326923 Kulzinsky系数=0.242857 返回 课堂练习 1.计算abc和cacbc之间的编辑距离； 2.计算(1,0,0,1,1,0,1)和(1,1,1,1,1,0,0)之间的曼哈顿街区距离、切比雪夫距离和3阶闵可夫斯基距离； 3.计算(1,0,0,1,1,0,1)和(1,1,1,1,1,0,0)的角度相似系数。 返回 编辑距离的计算 返回 Ed(0,0)=0 Ed(1,0)=1 Ed(2,0)=2 Ed(3,0)=3 Ed(4,0)=4 Ed(5,0)=5 Ed(0,1)=1 Ed(1,1)=1 Ed(2,1)=1 Ed(3,1)=2 Ed(4,1)=3 Ed(5,1)=4 Ed(0,2)=2 Ed(1,2)=2 Ed(2,2)=2 Ed(3,2)=2 Ed(4,2)=2 Ed(5,2)=3 Ed(0,3)=3 Ed(1,3)=2 Ed(2,3)=3 Ed(3,3)=2 Ed(4,3)=3 Ed(5,3)=2 c a c b c c b a 课后练习 编程计算任意两个序列之间的编辑距离，并针对下面两组序列： aaabbbcccdddeee，eeedddcccbbbaaa liyujian和个人姓名的小写汉语拼音(不含空格) 在结果中给出所需的插入、删除及替换次数。有兴趣还可随机选择一些其他字符序列对程序性能进行测试和分析。 返回 第8讲 印刷体汉字的分类和识别 要点: 印刷体汉字的分类 印刷体汉字的识别 课堂练习 课后练习 印刷体汉字的分类 印刷体汉字分类的必要性 印刷体汉字分类的基本要求 印刷体汉字分类举例 印刷体汉字分类的方法 返回 印刷体汉字分类的必要性 由于汉字数量大，如果不对汉字分类而直接识别，一方面识别效果不会好，另一方面计算量往往会很大。 汉字识别通常都要对汉字做一级或多级分类，然后再细分判别，从而大大提高识别效率。 返回 印刷体汉字分类的基本要求 粗分类的正确分类率和分类稳定性要高。文字识别是先粗分类，然后再细分。粗分类的正确与否会影响到后面的识别。 粗分类的速度要快。这要求分类的算法简单，同时要求分在各个类别中的汉字的数目比较平均，从而提高分类的效率。 返回 印刷体汉字分类举例 在下图中，“3”所代表的文字不仅在类别A中，也可能同时在类别C中。在细分判别A和C类中的文字时应同时考虑“3”所代表的文字。返回 印刷体汉字分类的方法 采用复合特征的分类 多级分类 返回 采用复合特征的分类 选用N种具有互补特征作为类特征 在学习阶段，对训练样本进行N次互不相关的分类，然后组合N次分类结果，完成特征空间的划分。 分类时，根据待分字的特征进行N次分类，组合分类结果求得子类。 返回 多级分类 学习阶段，对训练样本进行多级分类，每一级分类是在上级分类基础上进行的；分类时重复上述多级分类过程。 树分类是一种典型的多级分类，具有效率高的特点，但是汉字字数多会造成分类树结构庞大，使得分类不够稳定。 返回 印刷体汉字的识别 在选取特征之后，需要选择或寻找适当的判别准则