面向中文矢量笔迹中单字详细分类特征和方法比较.docVIP

面向中文矢量笔迹中单字详细分类特征和方法比较 　　 (中国科学院 软件研究所 人机交互技术实验室， 北京 100080) 　　?? 　　摘要：在识别矢量笔迹文本时，不同类型单字需要采用不同识别器，确定详细类别是单字识别的前提。对实际中文矢量笔迹文本中单字进行汉字、标点、数字、字母和单词的详细分类，提出了自身和相对（包括近邻和同行）特征，选用决策树、逻辑模型树、贝叶斯网络和支持向量机四种分类器。针对大量实际数据，测试和比较了多种特征和分类器的性能。实验表明，近邻单字的组合特征具有较好的分类能力，支持向量机对各种单字均有较好分类性能。 ?? 　　关键词：矢量笔迹文本；单字识别；单字分类；特征；分类器?? 　　中图分类号：TP391??41文献标志码：A 　　文章编号：1001-?B3695(2008)11-?B3486-?B04 　　?? 　　Comparison of features and classifiers for detailedly??classifying handwriting characters in Chinese ink texts?? 　　ZHANG Kun,ZHANG Xi-wen 　　??(Laboratory of Human-Computer Interaction, Institute of Software, Chinese Academy of Sciences, Beijing 100080, China) 　　??Abstract:Different types of characters from Chinese ink texts are recognized before they are need to different recognizers. Thus it is prerequisite to identify writing characters’ detailed categories for improving their recognition. This paper aimed to classify writing characters into Chinese character, punctuation, digit, number, as well as English letter and word.Extracted each writing character’ self and relative features, and applied representative classifiers, such as decision trees, logistic model trees, Bayesian network and SVM.Features and classifiers were evaluated with many real-life Chinese ink texts. Experimental results show that relative features are more powerful and SVM is the most efficient classifier for each type of writing characters.?? 　　Key words:Chinese ink text; handwriting character recognition; handwriting character classification; feature; classifier?お? 　　0引言?? 　　随着矢量笔迹采集设备的日趋成熟，人们能够以自然、连续而高效的方式将手写手画数据输入计算机，如书写文字和公式、徒手画图和绘制表格等。得到广泛应用的采集设备包括Anoto纸笔[1]和手写电脑（tablet PC）[2]等。对于没有受过打字训练的普通中文用户来说，由于汉字结构和键盘输入的复杂性，采用手写将汉字输入计算机更为自然和高效。但中文矢量笔迹文档只有笔画信息，需要进行分割和识别才能进行高层次处理，如基于多层次结构的编辑、修改、排版和识别输出到已有软件（MS Word）等。?? 　　在中文矢量笔迹文档中，文字内容占有较大比例，需要进行较多处理。识别矢量笔迹文本可以提供符号化、结构化的计算机文档，方便在MS Word等文字处理软件中作进一步的处理。对于不同类别单字需要采用不同识别器，确定详细类别是单字识别的前提。微软单字识别器[3]在识别前必须指定语言类别（中文简体和繁体、英文等）；汉王单字识别器[4]可以设定一级汉字、二级汉字、标点、数字、字母及其组合等详细类别，在识别组合