导读:本文包含了符号识别论文开题报告文献综述及选题提纲参考文献，主要关键词:OCR,机器学习,KNN,模型评测
符号识别论文文献综述
杜菲霏,郝欧亚,王思桐[1]（2019）在《基于机器学习的光学符号识别模型》一文中研究指出光学字符识别是指通过电子设备通过字符识别方法将图片文字抽取为可编辑文本的过程,目前主流的实现方法主要有两种:CNN+RNN+CTC、CNN+RNN+ATTENTION。这两种方法均基于深度学习实现,取得了不错的效果,但缺点是需要使用大量的训练集、训练时间、高性能的计算环境,当样本量较少时,并不能发挥作用。基于此,提出基于机器学习的光学符号识别方法,以面对轻量级的图像文字识别任务。(本文来源于《数字通信世界》期刊2019年09期）
陈瑞淋,王崇倡[2]（2019）在《点状符号识别系统》一文中研究指出点状符号识别是测绘工程学生在地形图测绘过程中必须熟练掌握的一项基础能力,要求学生重点掌握识别地物符号及其对应的编码,课程教学的难点在于地物符号众多,编码长,学生难以记住。传统的教学方法按照传统教材内容一成不变列举地物符号及其编码,这种教学方式不灵活,学生要根据编码翻阅对应的地物符号比较困难,或者凭借记忆中的地物符号去寻找对应的地物编码符号也很烦琐。因此,利用开源图像处理工具Open CV和Python语言及其界面库PyQt等工具,基于机器学习的SVM算法开发地物符号图像识别系统,辅助教师教学以及帮助学生学习地物符号,从而提高教学质量的目的。(本文来源于《测绘与空间地理信息》期刊2019年08期）
庄媛[3]（2019）在《基于符号动力学的心率变异性情绪识别研究》一文中研究指出情绪是对一系列主观认知经验的通称,是多种感觉、思想和行为综合产生的心理及生理状态。社会竞争的日益激烈和生活节奏的不断加快,使得越来越多的人长期处于紧张状态,承受较大的精神压力,甚至患有抑郁症、躁狂症等心理疾病。情绪具有一定的生理调节作用,在神经科学、心理学、社会科学等领域有着广泛的应用。随着生活水平的提高,人们越来越重视情绪对于个体健康和社会发展的影响。有效的情绪识别能够对当前不良的精神状态进行预警,也有助于心理疾病的治疗。另外,信息技术的飞速发展使得人们对计算机的依赖性越来越大,同时也对人机交互功能的要求越来越高,促进了情感计算的研究与发展。作为情感计算的重要环节,情绪识别在众多领域具有良好的发展前景和应用价值。基于生理信号的情绪识别研究中,特征的提取一般基于时域分析、频域分析和非线性分析。相比于前两种,生理信号的非线性分析不够完善,还有很大的研究空间。本文在此基础上,提出基于符号动力学理论的不同情绪下心电信号分析方法。以心率变异信号为研究对象,提取符号动力学特征,探讨不同情绪下特征的差异性并进行情绪分类。通过与传统特征的识别结果作比较,验证符号动力学分析应用于情绪识别研究的可行性。本文的主要研究内容如下:(1)设计情绪激发实验,通过多通道生理信号采集装置采集60名学生在平静、恐惧、悲伤、高兴、愤怒和厌恶这六种情绪状态下的心电数据。结合中值滤波和平滑滤波,选取sym小波对心电信号进行降噪预处理。通过自适应差分阈值法较为准确地识别了R波,从而获得RR间期时间序列以供后续的特征提取研究。(2)对心率变异性信号进行符号动力学分析。研究了动态法、静态法及庞加莱法叁种符号化方法,选择各方法较优参数将RR间期序列变换为对应的符号序列。计算符号序列的信息熵,作为符号熵特征。对于通过静态法和庞加莱法变换得到的符号序列,分析序列中不同模式的比值,同样作为符号动力学特征。通过提取的14个符号特征,探究了六种情绪状态的差异性。(3)建立情绪分类模型进行一对一情绪识别。提取14个符号动力学特征形成符号特征组矩阵,构建基于支持向量机和随机森林的情绪分类模型,并通过十折交叉验证和网格寻优确定参数,实现一对一情绪状态的识别,最高识别率为74.44%。随后提取了情感生理信号研究中广泛应用的1 1个时域、频域及非线性特征形成传统特征组矩阵,与符号特征融合形成组合特征矩阵,同样构建基于支持向量机和随机森林的情绪分类模型进行一对一情绪识别,组合特征的最高识别率为75.13%。比较不同特征组的识别率,可以看到符号特征在情绪识别中具有一定的优越性。以Gini指数为指标,对不同类型的特征进行了重要性评估,结果表明符号化模式比特征和熵特征用于情绪分类效果较好。(本文来源于《山东大学》期刊2019-05-12）
赵菁,张乘风[4]（2019）在《饕餮纹的符号识别分析》一文中研究指出对青铜时代最具代表的纹饰图案饕餮纹进行解读,从而了解其符号意义并推断出当时社会的文化背景。通过比较分析不同时期饕餮纹的变化,从而得出"扉棱纹"、"菱形纹"、"篦形纹"叁种形制的鼻间纹以及以"辛干纹"、"蚌贝纹"为代表的额饰纹,提出符号隐含的文化意义。饕餮纹之所以神秘多变,是因为其特征位置的纹样会在不同时期产生不同变化,从而导致符号识别偏差。(本文来源于《设计》期刊2019年05期）
翟鸿儒,李娟,邱木芸,姚祥祥,黄晶[5]（2018）在《基于Hopfield神经网络的符号识别应用》一文中研究指出Hopfield神经网络是一种循环神经网络,结合了存储系统和二元系统,保证向局部极小值收敛。设计符号数字点阵,加入随机噪声,构建Hopfield神经网络应用于符号数字识别。实验证明:虽然符号数字中有一定的干扰噪音,Hopfield神经网络联想记忆的功能仍然能够比较准确的识别,抗干扰能力较强。(本文来源于《运城学院学报》期刊2018年06期）
张岩,李洋博,柳姗,叶紫荆,孙克磊[6]（2019）在《基于决策树和加权KNN混合算法的光学符号识别技术》一文中研究指出光学字符识别是针对印刷体字符,采用光学的方式将纸质文档中的文字转换成为黑白点阵的图像文件,并且通过字符识别模型将图像中的文字处理成可编辑的文本格式.本文首先对样本数据进行预处理,采用局部离群因子法剔除无效数据,通过信息增益率计算各个自变量相关性的强弱来找出恰当的特征,并将样本分为五类,建立决策树法和加权KNN算法相结合的混合算法,预测每类数据的结果并给出准确率,将结果中未识别的样本放在所有训练集下再次通过混合算法进行训练预测,最终总预测正确率达到了96.406%.最后通过混淆矩阵来评价模型,结果表明其拒识率较低,准确率较高,训练预测时间较短,具有可行性.(本文来源于《赤峰学院学报(自然科学版)》期刊2019年02期）
邵琴[7]（2018）在《粮食文化景观符号识别与应用探析——以浙西粮食物流中心室外景观设计为例》一文中研究指出从粮食的物、粮食的事、粮食的意3方面对粮食文化景观进行符号识别,并通过实践案例应用在景观设计中,促进粮食文化景观的传达、创新与发展。(本文来源于《现代园艺》期刊2018年24期）
方定邦,冯桂,曹海燕,杨恒杰,韩雪[8]（2019）在《基于多特征卷积神经网络的手写公式符号识别》一文中研究指出提出了基于多特征稠密卷积神经网络的模型框架(DenseNet-SE)。与传统方法相比,DenseNet-SE采用数据驱动的方法,无需手工提取特征。该框架包含了稠密残差块的结构,能够获取深度特征。通过跳跃连接的方式,从浅层获取细粒度特征来辅助深度特征。同时,融合特征有助于网络结构获取更多全局信息,更好地表示公式符号的类别。利用在线手写数学表达式识别的竞赛组织(CROHME)提供的标准数学公式符号库来验证所提算法,结果表明,CROHME2014和CROHME2016的识别率分别达到93.38%和92.93%,高于目前已有算法的识别率。(本文来源于《激光与光电子学进展》期刊2019年07期）
山丹,张晓旭,丛国涛[9]（2018）在《符号识别系统设计及FPGA实现》一文中研究指出为满足符号识别系统对实时性、低功耗和小型化的要求,该文设计了一种以FPGA为系统核心,辅以OV7670视频采集模块和VGA接口显示器,实现对基本图形、数字和英文字母进行识别及结果显示。其中,对图像的处理及符号识别部分由FPGA完成,包括IIC摄像头配置、缓存、灰度处理、中值滤波、根据特征识别基本图形和数字、根据字模匹配程度识别英文字母、VGA显示等,充分利用FPGA的高速并行处理的特点,结合片内RAM高速处理和片外SDRAM大容量特性,实现对视频数据的处理和存储。同时,系统具有抗干扰性较强、小巧、通用性强等特点,可扩展为人工智能、车牌识别等系统使用。(本文来源于《电脑知识与技术》期刊2018年30期）
周路平[10]（2018）在《材料类型对发展性阅读障碍儿童符号识别的影响》一文中研究指出目的:了解材料类型对发展性阅读障碍儿童符号识别事件相关电位的影响。方法:采用32导脑电仪和四种刺激材料,对发展性阅读障碍和正常儿童进行实验,分析四种刺激材料下额叶的LPP。结果:四种刺激材料下,阅读障碍儿童额叶的LPP波幅均明显不及正常儿童,尤其在汉字材料上差异显着。结论:发展性阅读障碍儿童存在明显的符号加工缺陷问题。(本文来源于《学周刊》期刊2018年30期）
符号识别论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
点状符号识别是测绘工程学生在地形图测绘过程中必须熟练掌握的一项基础能力,要求学生重点掌握识别地物符号及其对应的编码,课程教学的难点在于地物符号众多,编码长,学生难以记住。传统的教学方法按照传统教材内容一成不变列举地物符号及其编码,这种教学方式不灵活,学生要根据编码翻阅对应的地物符号比较困难,或者凭借记忆中的地物符号去寻找对应的地物编码符号也很烦琐。因此,利用开源图像处理工具Open CV和Python语言及其界面库PyQt等工具,基于机器学习的SVM算法开发地物符号图像识别系统,辅助教师教学以及帮助学生学习地物符号,从而提高教学质量的目的。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
符号识别论文参考文献
[1].杜菲霏,郝欧亚,王思桐.基于机器学习的光学符号识别模型[J].数字通信世界.2019
[2].陈瑞淋,王崇倡.点状符号识别系统[J].测绘与空间地理信息.2019
[3].庄媛.基于符号动力学的心率变异性情绪识别研究[D].山东大学.2019
[4].赵菁,张乘风.饕餮纹的符号识别分析[J].设计.2019
[5].翟鸿儒,李娟,邱木芸,姚祥祥,黄晶.基于Hopfield神经网络的符号识别应用[J].运城学院学报.2018
[6].张岩,李洋博,柳姗,叶紫荆,孙克磊.基于决策树和加权KNN混合算法的光学符号识别技术[J].赤峰学院学报(自然科学版).2019
[7].邵琴.粮食文化景观符号识别与应用探析——以浙西粮食物流中心室外景观设计为例[J].现代园艺.2018
[8].方定邦,冯桂,曹海燕,杨恒杰,韩雪.基于多特征卷积神经网络的手写公式符号识别[J].激光与光电子学进展.2019
[9].山丹,张晓旭,丛国涛.符号识别系统设计及FPGA实现[J].电脑知识与技术.2018
[10].周路平.材料类型对发展性阅读障碍儿童符号识别的影响[J].学周刊.2018