Indexed by：
Abstract：
传统的字符归一化方法只是对字符的大小进行改变,它与字符类别无关,也无法对字符的旋转、扭曲等变形进行矫正.本文采用一种与字符类别相关的自适应归一化方法--全局仿射变换,用于神经网络手写体字符识别中,利用已知类别的参考模板对输入字符进行全局归一化,同时对字符的旋转、扭曲等变形进行校正,归一化准则定义为参考模板与输入模板间的最近邻距离,并采用对权值的迭代算法得到最优的匹配模板.采用不同神经网络识别系统对该方法验证,表明该方法可使系统识别率得到较明显提高.
Keyword：
Reprint Author's Address：
Email：
Source ：
模式识别与人工智能
ISSN： 1003-6059
Year： 2005
Issue： 3
Volume： 18
Page： 268-272
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： 8
Chinese Cited Count：
30 Days PV： 1
Affiliated Colleges：
