我國的少數(shù)民族大多集聚在相對偏遠的地方,當?shù)乜萍及l(fā)展相對滯后導(dǎo)致其文字信息化進程較慢,傣族也是如此。傣族主要生活在云南西雙版納地區(qū),他們使用的新傣文,相對于漢字、藏文及維吾爾文的研究,針對新傣文的研究相對較少。傣族也創(chuàng)造了燦爛無比的文化,在我國民族文化史上有著非常重要的一席之地。研究手寫體新傣文字符識別有助于傣文的傳播,是對傣族文化的傳承與繼承,更有助于加速當?shù)匚淖值男畔⒒M程,極大方便他們的生活。本文的主要內(nèi)容是用以支持向量機為代表的淺學(xué)習和卷積神經(jīng)網(wǎng)絡(luò)為代表的深度學(xué)習分別對新傣文手寫體樣本字符進行識別。第一種方法的主要工作包括新傣文手寫體樣本字符的采集、預(yù)處理、Gabor濾波器特征提取,PCA降維、支持向量機識別;第二種方法主要是搭建深度學(xué)習運行所需要的環(huán)境,以Keras軟件為深度學(xué)習框架搭建卷積神經(jīng)網(wǎng)絡(luò),對新傣文手寫體樣本字符進行識別。最終得到的實驗結(jié)果為:用支持向量機的LIBSVM庫對新傣文手寫體樣本字符進行分類識別,識別率為87.0782%;而用Keras軟件搭建的卷積神經(jīng)網(wǎng)絡(luò)對其進行識別,識別率達到了93.47%。這兩種方法對新傣文手寫體樣本字符的識別達到了預(yù)期的效果,說明... 

【文章頁數(shù)】：62 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 新傣文識別的背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 字符識別發(fā)展史
        1.2.2 國內(nèi)外字符識別發(fā)展情況
    1.3 文字識別簡述
        1.3.1 文字識別的分類
        1.3.2 文字的特征提取與識別
        1.3.3 文字識別的基本方法
    1.4 本文結(jié)構(gòu)安排
第2章 新傣文字符基本認識
    2.1 新傣文簡介
    2.2 新傣文字符的結(jié)構(gòu)特點
    2.3 手寫體新傣文字符特征提取的考慮
    2.4 新傣文字符識別的難點
    2.5 本章小結(jié)
第3章 新傣文手寫體字符的采集與預(yù)處理
    3.1 新傣文手寫體字符的樣本采集
        3.1.1 樣本采集軟件
        3.1.2 實驗數(shù)據(jù)庫的選擇
    3.2 樣本預(yù)處理
        3.2.1 去重復(fù)點
        3.2.2 筆畫平滑
        3.2.3 歸一化處理
        3.2.4 樣本字符重采樣
    3.3 本章小結(jié)
第4章 樣本字符Gabor特征提取與支持向量機識別
    4.1 Gabor特征提取
        4.1.1 Gabor變換發(fā)展歷史
        4.1.2 Gabor濾波器
        4.1.3 Gabor濾波器的特點
        4.1.4 Gabor特征提取
    4.2 降維
        4.2.1 LDA與PCA
        4.2.2 PCA原理
    4.3 支持向量機的概述
        4.3.1 支持向量機
        4.3.2 支持向量機的基本原理
        4.3.3 支持向量機的特點
        4.3.4 支持向量機的多值分類問題
        4.3.5 基于支持向量機的Libsvm庫使用
    4.4 本章小結(jié)
第5章 卷積神經(jīng)網(wǎng)絡(luò)算法概述
    5.1 深度學(xué)習的概述
        5.1.1 深度學(xué)習
        5.1.2 深度學(xué)習的理論依據(jù)
        5.1.3 特征提取與深度學(xué)習
        5.1.4 梯度下降算法與反向傳播算法
    5.2 Keras
        5.2.1 Keras的優(yōu)點
        5.2.2 Keras深度學(xué)習模型
        5.2.3 Keras中重要的預(yù)定義對象
        5.2.4 Keras的網(wǎng)絡(luò)層構(gòu)造
        5.2.5 Keras的樣本擴充
    5.3 卷積神經(jīng)網(wǎng)絡(luò)
        5.3.1 卷積神經(jīng)網(wǎng)絡(luò)產(chǎn)生及發(fā)展
        5.3.2 卷積神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)分類器的對比
        5.3.3 卷積神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)
        5.3.4 卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)特性
        5.3.5 對卷積神經(jīng)網(wǎng)絡(luò)的一些認識
        5.3.6 卷積神經(jīng)網(wǎng)絡(luò)參數(shù)與設(shè)計
    5.4 本章小結(jié)
第6章 實驗結(jié)果與分析
    6.1 實驗結(jié)果
        6.1.1 基于支持向量機的分類識別
        6.1.2 基于Keras的卷積神經(jīng)網(wǎng)絡(luò)分類識別
    6.2 實驗結(jié)果分析
    6.3 本章小結(jié)
第7章 總結(jié)與展望
參考文獻
致謝



本文編號：3659581