基于语义分析提高脱机手写体识别率的方法

计算机工程与应用 ›› 2006, Vol. 42 ›› Issue (6): 10-.

基于语义分析提高脱机手写体识别率的方法

李莉,高庆狮

北京科技大学

收稿日期:2005-11-09 修回日期:1900-01-01 出版日期:2006-02-21 发布日期:2006-02-21
通讯作者: 李莉 liliustb liliustb

A Method for Effectively Improving Offline Handwritten Character Recognition Based on Semantic Analysis

北京科技大学

Received:2005-11-09 Revised:1900-01-01 Online:2006-02-21 Published:2006-02-21

摘要/Abstract

摘要： 本文讨论一种通过自然语言语义层次的理解来协助提高脱机手写体识别率的方法。从识别的过程来看，这种方法是一种基于上下文关系的识别“后处理”方法。在文中，我们介绍了语义单元、语义单元表示、语义单元表示树、语义单元表示集、语义单元表示树集，并且具体讨论了通过语义单元表示树集的剪枝来提高识别正确率的方法。

关键词: 语义分析, 脱机手写体识别, 语义语言

Abstract: In this paper, we discussed a new method to effectively improve offline handwritten character recognition through semantic analysis. Seeing from the process of recognition, this method was at post-processing stage based on context. We introduced SE(Semantic Element), SER(Semantic Element Representation), SER-tree, SER-Set, SER-treeSet and discussed this new method of pruning on the SER-treeSet in details.

Key words: Semantic Analysis, Offline Handwritten Character Recognition, Semantic Language

李莉,高庆狮.

基于语义分析提高脱机手写体识别率的方法

[J]. 计算机工程与应用, 2006, 42(6): 10-.

,. A Method for Effectively Improving Offline Handwritten Character Recognition Based on Semantic Analysis[J]. Computer Engineering and Applications, 2006, 42(6): 10-.

[1]	肖宝1，李璞2，3，蒋运承2. 混合词汇特征和LDA的语义相关度计算方法[J]. 计算机工程与应用, 2017, 53(12): 152-157.
[2]	张会兵1，何彩梅1，胡晓丽1，裴东良2. 融合行为和语义的节点影响力分析[J]. 计算机工程与应用, 2017, 53(11): 151-154.
[3]	肖和，付丽娜，姬东鸿. 神经网络与组合语义在文本相似度中的应用[J]. 计算机工程与应用, 2016, 52(7): 139-142.
[4]	孙曰昕，马慧芳，姚伟，张志昌. 结合互信息和主题模型的微博话题发现方法[J]. 计算机工程与应用, 2016, 52(6): 61-66.
[5]	何向真1，万福成1，于洪志1，吴玺宏2. 基于藏语语义分析的机器翻译技术研究[J]. 计算机工程与应用, 2015, 51(15): 134-137.
[6]	徐晨凯，高茂庭. 使用LSA降维的改进ART2神经网络文本聚类[J]. 计算机工程与应用, 2014, 50(24): 133-138.
[7]	马雯雯1，魏文晗1，邓一贵1，2. 基于隐含语义分析的微博话题发现方法[J]. 计算机工程与应用, 2014, 50(1): 96-100.
[8]	李颖1，池毓焕2. 基于HNC语义分析模型的文图转换研究[J]. 计算机工程与应用, 2013, 49(11): 135-139.
[9]	晋耀红1，2. 一种混合策略的专利机器翻译系统研究[J]. 计算机工程与应用, 2012, 48(4): 29-32.
[10]	钟将，刘荣辉. 一种改进的KNN文本分类[J]. 计算机工程与应用, 2012, 48(2): 142-144.
[11]	张玉芳，张洪，熊忠阳，李文田. 结合概率潜在语义分析的文本谱聚类方法研究[J]. 计算机工程与应用, 2011, 47(36): 134-136.
[12]	张巍^1，2，陈俊杰¹. 浅层语义分析及SPARQL在问答系统中的应用[J]. 计算机工程与应用, 2011, 47(2): 118-120.
[13]	李银花1，王素格2. 文本褒贬倾向判别研究[J]. 计算机工程与应用, 2011, 47(18): 160-162.
[14]	汪红林^1，2，王红玲^1，2，周国栋^1，2. 语义分析中谓词标识的特征工程[J]. 计算机工程与应用, 2010, 46(9): 134-137.
[15]	陈登科，孔繁胜. 基于高斯pLSA模型与项目的协同过滤混合推荐[J]. 计算机工程与应用, 2010, 46(23): 209-211.