基于bandelet的脱机手写体汉字识别研究的中期报告.docx

基于bandelet的脱机手写体汉字识别研究的中期报告
中期报告
一、研究背景和意义
随着智能化时代的到来，手写体识别技术成为一个研究热点。而对于汉字的手写体识别来说，难度更是巨大。因此，采用有效的识别算法，成为研究汉字手写体识别的重要内容。
目前，基于神经网络的识别算法得到了广泛的应用。但是，这类算法需要大量的训练数据和计算时间，并且易受到噪声的影响。
针对这种情况，本研究考虑了一种新的手写体识别算法——Bandelet算法。与基于神经网络的识别算法不同，Bandelet算法不需要大量的训练数据和特定的处理过程，具有一定的优势。
二、研究方法
1.数据集的选择
手写体识别的算法需要大量的训练数据。本研究中选择了CASIA离线手写汉字数据集，该数据集包含3,755个汉字和375,500个单字符图像数据。
2.算法的实现
本研究采用Python语言进行算法实现。在实现Bandelet算法时，需要进行多次迭代，以寻找最优化的基础函数。
3.实验分析
本研究采用10折交叉验证方法，将数据集分为10份，每次使用9份数据进行训练，1份进行测试，最终取平均结果。
评价指标采用准确率和召回率两项指标。准确率指：正确预测数量占总预测数量的比例；召回率指：正确预测数量占总实际数量的比例。
三、实验结果
通过10折交叉验证的方法，本研究得到了实验结果。在不同的基础函数和迭代次数下，准确率和召回率均有所不同。在本研究中，最优的准确率为95.23%，最优的召回率为94.66%。
通过实验分析，我们发现Bandelet算法在手写体识别中确实具有一定的优势。但是，仍然存在一些问题需要解决，比如噪声点的处理等。
四、总结
本研究采用Bandelet算法进行脱机手写体汉字识别研究，得到了初步的实验结果。目前，仍需要进一步研究和优化算法，才能更好地解决手写体识别中存在的问题。