文字識別領(lǐng)域中模式識別技術(shù)的應(yīng)用

江波 史鳳波

摘 要：隨著科學(xué)信息技術(shù)的不斷發(fā)展，計算機技術(shù)也得到了快速地發(fā)展和廣泛地應(yīng)用，同時也促使模式識別技術(shù)在文字識別領(lǐng)域得到廣泛的應(yīng)用。近些年來，模式識別技術(shù)的發(fā)展和應(yīng)用也得到了廣大專家學(xué)者和社會的關(guān)注和重視。該文主要從模式識別技術(shù)的發(fā)展歷史和現(xiàn)狀出發(fā)，對文字識別的基本原理進(jìn)行闡述，對其統(tǒng)計決策及字句結(jié)構(gòu)等基礎(chǔ)識別方法及在文字識別領(lǐng)域的相關(guān)應(yīng)用進(jìn)行研究分析和總結(jié)，并對模式識別技術(shù)領(lǐng)域的前景和未來做出展望。

關(guān)鍵詞：文字識別 模式識別 應(yīng)用 科技信息技術(shù)

中圖分類號：TP391.4 文獻(xiàn)標(biāo)識碼：A 文章編號：1672-3791（2015）09（c）-0006-02

隨著高科技信息技術(shù)的快速發(fā)展，計算機技術(shù)在存取信息、輸出和高速運算等方面得到了不斷的完善和健全，但目前計算機的信息輸入還是主要依靠人工，文字識別中的模式識別技術(shù)主要是運用大腦識別機理通過計算機的模擬工作，從而構(gòu)造出一個完全能夠代替人工完成分類的識別等工作，以達(dá)到實現(xiàn)自動信息處理的機器系統(tǒng)的目的[1]。隨著人工智能、思維科學(xué)和計算機技術(shù)迅速發(fā)展，在文字識別領(lǐng)域的模式識別技術(shù)也在不斷的向更深、更高層次發(fā)展。模式識別主要是由模糊理論、統(tǒng)計、神經(jīng)網(wǎng)絡(luò)、句法結(jié)構(gòu)以及支持向量機識別等方法，筆者就文字識別領(lǐng)域的中模式識別的應(yīng)用原理做出分析。

1 模式識別系統(tǒng)的基本概念

人們在看到某個事物和現(xiàn)象時會不自覺的收集該事物或現(xiàn)象的相關(guān)信息，并將該信息與大腦中已經(jīng)儲存的信息進(jìn)行匹配或比較后得出相應(yīng)的結(jié)果。對該事物或現(xiàn)象中所獲取到的時間及空間信息將其統(tǒng)稱為模式。而將模式中同一類別模式統(tǒng)稱為模式類[2]。當(dāng)需要將具體的樣本進(jìn)行歸類時就叫做模式分別或模式識別。模式識別系統(tǒng)通常由四部分組成，分別為數(shù)據(jù)獲取、數(shù)據(jù)預(yù)處理、數(shù)據(jù)的特征提取及選擇和分類決策。數(shù)據(jù)獲取指的是把輸入模式切換成適合計算機處理形式的一個過程。數(shù)據(jù)預(yù)處理主要是將多余的噪音去除，從中提取需要的信息，通過專業(yè)的輸入設(shè)備對殘缺的信息進(jìn)行必要的修復(fù)和處理，以便于計算機提取特征，在通過數(shù)據(jù)獲取和預(yù)處理后輸入信息的數(shù)據(jù)維數(shù)較高，為了達(dá)到分類識別的目的，對原始數(shù)據(jù)進(jìn)行處理過程中，通過相互的轉(zhuǎn)換從數(shù)據(jù)中提取出最原始的模式特征。原始數(shù)據(jù)空間又可以被稱為測量空間，而分類識別都是在一個稱為特征空間中進(jìn)行的。所謂的模式識別系統(tǒng)指的是在測量空間模式中，維數(shù)由低向高的轉(zhuǎn)化的過程，這也是該系統(tǒng)通常采用的特診提取及特診選擇。文字算法是文字識別的關(guān)鍵和核心。

2 模式識別技術(shù)的應(yīng)用方法

2.1 統(tǒng)計識別

在數(shù)學(xué)決策理論的基礎(chǔ)上，產(chǎn)生了一種新的識別方法，也就是統(tǒng)計識別方法。在進(jìn)行特征提取時，就可以采用統(tǒng)計識別的方法，這時可以將相應(yīng)的特征向量通過一個特征空間進(jìn)行定義，全部的特征矢量都在這個特征空間內(nèi)。這個特征空間的點都能與各種對象及特征向量之間進(jìn)行對應(yīng)。在分類階段中，通常采用統(tǒng)計決策的方法完成對特征空間信息的分類，以此來達(dá)到對各類特征對象識別的目的效果。隨著科學(xué)技術(shù)的進(jìn)步，我國的統(tǒng)計識別技術(shù)已經(jīng)逐漸成熟，尤其是對特征提取的識別。

2.2 模糊識別

模糊識別的方法主要是采用模糊數(shù)學(xué)的原理、概念和方法解決分別識別中存在的問題。模糊識別根據(jù)識別事物邏輯思維與吸取大腦識別的特征，把計算機中的二位邏輯不斷地向連續(xù)邏輯進(jìn)行相關(guān)的轉(zhuǎn)化。模糊識別的結(jié)果根據(jù)已經(jīng)被采用被識別對象所屬于的某個類別程度，也就是隸屬度得出結(jié)果，一個對象可以適應(yīng)于不同的類別或不同程度的類別。通常情況下，一個對象只可以對應(yīng)某一個類別。單模糊集理論就是將識別方法按模糊聚類法、擇近原則識別法或最大隸屬原則識別法分為多個類別[3]。

2.3 神經(jīng)網(wǎng)絡(luò)識別

20世紀(jì)50年代，一些相關(guān)技術(shù)人員對動物神經(jīng)系統(tǒng)的某些功能進(jìn)行了研究分析，并對其進(jìn)行模擬，他們通過使用計算機技術(shù)對大量的數(shù)據(jù)進(jìn)行處理，從中實現(xiàn)了處理單元結(jié)點的建立，這種單元的出現(xiàn)為互聯(lián)拓?fù)渚W(wǎng)絡(luò)的建立提供了依據(jù)，被稱之為人工神經(jīng)網(wǎng)絡(luò)[4]。人工神經(jīng)網(wǎng)絡(luò)可以將不同的處理單元進(jìn)行互連成為一個網(wǎng)絡(luò)，在進(jìn)行識別分類的過程中，能夠通過網(wǎng)絡(luò)對人的神經(jīng)系統(tǒng)進(jìn)行相關(guān)模仿，從而實現(xiàn)分類的效果。這種網(wǎng)絡(luò)識別方式相比于其它識別方法存在較大的差別，人工精神網(wǎng)絡(luò)對識別的對象不需要要求有過多的認(rèn)識和分析，并且可以實現(xiàn)智能化處理。神經(jīng)網(wǎng)絡(luò)可以實現(xiàn)和模擬人認(rèn)知過程中的形象思維、感知覺、分布式記憶、自組織與自學(xué)習(xí)，同時神經(jīng)網(wǎng)絡(luò)識別方法和符號處理之間可以實現(xiàn)互補的作用，主要用于有處理需求且要考慮諸多條件和因素，信息模糊或不精準(zhǔn)的信息處理。

2.4 句法結(jié)構(gòu)識別

句法識別是統(tǒng)計識別的基礎(chǔ)上進(jìn)行的延伸和補充，統(tǒng)計識別主要是通過利用數(shù)值對圖像的主要特征進(jìn)行相應(yīng)的描述，而句法結(jié)構(gòu)識別主要是通過符號的特征描述圖像。而句法結(jié)構(gòu)識別通過對語言學(xué)中句法層次結(jié)構(gòu)進(jìn)行一定的模仿，通過利用分層描述的技術(shù)對圖像進(jìn)行層次分解，從中獲得較為簡單的子圖像，這種識別方法體現(xiàn)出了識別對象各層次的信息。圖像識別的方法也是在統(tǒng)計方法的基礎(chǔ)上進(jìn)行的延伸，而句法結(jié)構(gòu)識別方法的識別能力較圖像識別的識別能力明顯提升，句法結(jié)構(gòu)識別不在是單純的對象物進(jìn)行歸類處理，對物體結(jié)構(gòu)和景物同樣具備識別能力。

2.5 支持向量機的模式識別

支持向量機的核心思想主要是在特征或樣本空間中打造一個最優(yōu)的超平面，而這個最優(yōu)超平面與各種類樣本集之間的距離最大，就是要使其達(dá)到最大的泛化能力。支持向量機具有泛化能力強、結(jié)構(gòu)相對簡單、全局最優(yōu)性等特點，關(guān)于支持向量機的模式識別在20世紀(jì)90年代中期提出后就得到了大量的專家和學(xué)者的重視，并得到了較為廣泛的認(rèn)知和應(yīng)用[5]。支持向量機識別解決了函數(shù)估計和模式識別等問題。在數(shù)字圖像處理中具有尋找圖像像素的特征，可根據(jù)像素點的特征和周圍的環(huán)境檢測出其差異，并具備各像素點區(qū)分功能。

3 結(jié)語

隨著科技的進(jìn)步和信息技術(shù)的發(fā)展，利用計算機技術(shù)對文字進(jìn)行識別的應(yīng)用越來越廣泛，該文通過模式識別技術(shù)的幾種應(yīng)用方法進(jìn)行了簡單分析，對其在統(tǒng)計識別、模糊識別、神經(jīng)網(wǎng)絡(luò)識別、句法結(jié)構(gòu)識別、支持向量機的模式識別的應(yīng)用上加以總結(jié)和歸納，從中了解到模式識別技術(shù)還具有巨大的發(fā)展空間，通過人們的不斷研究，模式識別技術(shù)不僅能夠更好的應(yīng)用到文字識別中，同時還能夠廣泛的應(yīng)用到其它領(lǐng)域中。

參考文獻(xiàn)

[1] 張俊玲，趙林.模式識別的方法與應(yīng)用[J].產(chǎn)業(yè)與科技論壇，2014（13）：131-132.

[2] 高翔，邢玉娟.模式識別及其在圖像處理中的應(yīng)用[J].自動化與儀器儀表，2015（3）：102-103.

[3] 羅笑玲，黃紹鋒，歐陽天優(yōu)，等.基于多分類器集成的圖像文字識別技術(shù)及其應(yīng)用研究[J].軟件，2015，36（3）：98-102.

[4] 崔志國，曾麗娟，李曉靜.創(chuàng)新技術(shù)與應(yīng)用模式提升勘驗系統(tǒng)應(yīng)用效率[J].警察技術(shù)，2011（2）：26-28.

[5] 李新良.模式識別理論的研究與應(yīng)用[J].北京電子科技學(xué)院學(xué)報，2011（4）：75-79.