导读:本文包含了金融汉字论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:汉字,向量,金融,特征,函数,小波,能量。
金融汉字论文文献综述
喻莹,董才林[1]（2011）在《基于脊波变换的金融汉字不变性特征提取方法》一文中研究指出为了满足对多方向选择性的要求,提出一种基于脊波变换的手写体金融汉字的不变性特征提取方法。该方法首先利用Radon变换将原始图像的旋转转换成Radon域的环形移位,再利用傅里叶变换振幅具有平移不变性的特点,在Radon域应用一维傅里叶变换,得到的振幅矩阵具有旋转不变性,它对旋转不变特征提取是非常理想的;然后沿振幅矩阵行的方向执行一维多分辨小波变换,使得从频域适当的子带提取特征成为可能;从Ridgelet子带中提取均值、标准差和能量组成特征向量。通过实验的验证,该方法可以满足表单自动处理系统应用对手写体金融汉字识别的要求。(本文来源于《计算机应用》期刊2011年12期）
喻莹,杨扬,董才林,何秀玲,陈增照[2]（2009）在《基于小波包分解的手写体金融汉字识别》一文中研究指出本文提出一种基于小波包分解的手写体金融汉字识别算法。该算法首先对汉字图像进行小波包分解,利用基于节点子图像能量方差的准则选择适当的部分分解树;然后,将得到的子图像划分成多个局部窗口,计算局部窗口的能量值组成特征向量;再通过主成分分析(PCA)选择分类能力最强的一组特征,降低特征空间的维数;最后,用SVM多类分类方法进行分类判决。实验结果表明,该算法取得了较好的识别效果。(本文来源于《计算机工程与科学》期刊2009年06期）
喻莹,杨扬,董才林,何秀玲,陈增照[3]（2008）在《小波包变换在手写体金融汉字识别中的应用》一文中研究指出针对小波包变换的特点,提出了一种基于小波包变换的手写体金融汉字识别算法。该算法首先对汉字图像进行二维小波包分解,利用基于子图像能量方差的准则选择适当的部分分解树;然后将得到的子图像划分成多个局部窗口,计算局部窗口的能量值组成特征向量;再通过主成分分析(PCA)选择分类能力最强的一组特征,降低特征空间的维数;最后,将特征向量送入支持向量机进行分类。实验结果表明,该算法取得了较好的识别效果。(本文来源于《计算机工程与应用》期刊2008年31期）
陈增照,杨扬,何秀玲,喻莹,董才林[4]（2007）在《基于核聚类的手写金融汉字识别方法》一文中研究指出根据手写体金融汉字的特点,利用核聚类方法将原始样本特征映射到高维特征进行聚类分组,对每一组使用一个支持向量机二值分类器进行分类,并用这些二值分类器组成决策树的结点,构成一个决策分类树。给出了金融汉字的分组方法和决策树的生成算法,提出利用交迭系数来控制交迭,可以克服错分积累,提高分类准确率。实验结果表明,采用该方法,手写体金融汉字识别的速度和正确率都达到了实用的要求。(本文来源于《计算机工程》期刊2007年18期）
范振东,吝宁[5]（2007）在《基于并行特征融合的金融汉字特征提取方法》一文中研究指出以金融汉字为研究对象,针对金融汉字的特点,提出了一种基于改进的Gabor滤波器和弹性网格相结合的新的特征提取方法。利用Gabor滤波器获取汉字的统计特征,利用弹性网格获取汉字的笔画特征,最后利用并行特征融合与分类的方法得到最终识别结果。实验证明,该方法是行之有效的,识别的速率和正确率有了显着的提高。(本文来源于《计算机应用》期刊2007年S1期）
喻莹,杨扬,董才林,何秀玲,陈增照[6]（2007）在《基于多分类器集成的手写体金融汉字识别》一文中研究指出用基于遗传算法的全局优化技术动态地选择一组分类器,并根据应用的背景,采用合适的集成规则进行集成,从而综合了不同分类器的优势和互补性,提高了分类性能。实验结果表明,通过将遗传算法引入到多分类器集成系统的设计过程,其分类性能明显优于传统的单分类器的分类方法。(本文来源于《计算机工程与应用》期刊2007年15期）
徐蔚然,郭军[7]（2005）在《手写金融汉字识别中的可信度估计》一文中研究指出由于实际票据中的手写金融汉字书写得并不规范,而且还会受到票据的背景底纹和印章等因素干扰,所以正确识别率很低.为了达到要求的识别精度,必须拒识大量样本,这样就限制了票据识别系统的自动处理率.本文提出一种基于支持向量机的可信度估计方法,其特点是针对每个文字类别,专门构造用于易混淆字判断与可信度估计的支持向量机.该方法充分利用了支持向量机在少量训练样本情况下对两类判断问题的学习能力,可以准确地估计可信度,从而在拒识较少样本的情况下达到要求的识别精度.(本文来源于《电子学报》期刊2005年10期）
温昌兵,杨扬,颉斌[8]（2005）在《并行特征融合在金融手写汉字识别中的应用》一文中研究指出针对金融票据自动识别应用中的脱机手写体汉字识别进行特征提取的研究,首先提出了用Gabor特征和Zernike矩特征来分别表征汉字的局部特征和全局特征。针对传统的串行特征融合方法的缺陷,提出了一种并行特征融合方法,将Gabor特征和Zernike矩特征组合成新的特征向量,然后使用广义K-L变换对新特征向量的维数进行压缩,去除冗余信息。实验结果验证了该方法的有效性。(本文来源于《计算机工程》期刊2005年19期）
吴志攀[9]（2003）在《“汉字经济圈”:“生产链”和“金融链”》一文中研究指出一、"汉字经济圈"中国、日本和韩国的人,在交换名片时,你会发现,他们的名片都有一面用汉字写名字。公元57年,汉字传人日本(《汉字的故事》,李梵编着,中国档案出版社2001年版)。公元7世纪,隋唐时期,汉字(本文来源于《金融法苑》期刊2003年01期）
胡恒兴[10]（2002）在《票据中的手写金融汉字自动识别研究》一文中研究指出现今，银行系统正努力提高其业务处理的效率。在银行的各种业务中，各种表单被大量应用。而这些表单以往都需要人工进行处理。录入的过程既慢而且容易出错。银行金融票据处理系统正是根据银行业务处理的需要而提出来的。金融票据处理系统借助计算机及相关设备的强大功能，将票据中的信息高速的输入到计算机中，并且建立数据库，对输入的信息进行管理，自动核对相关帐目，保证银行及金融系统业务往来的顺利进行。但是如何高速准确的将金融票据中的重要信息输入计算机是一个技术难题。普遍采用的办法是用高速的扫描设备将票据扫描后形成图象输入计算机。再对票据图象中的重要信息区域进行定位、提取。在票据的重要信息中，用汉字书写的金额是其中很重要的一部分。如果能使用计算机准确的识别金融汉字的图象，无疑将大大提高整个处理系统的处理能力。本研究课题的主要目的旨在解决金融汉字的自动识别问题。 经过几十年的发展，汉字识别技术已经取得了巨大的发展。各种类型的汉字识别技术已经达到了相当可观的识别率。但是识别自由书写的汉字识别仍然是一个难题。金融汉字字符集中的字符种类虽然不多，但是由于手写的缘故，如何识别仍然是一个不小的难题。这主要是因为自由书写的汉字风格各异，不同的人有不同的书写习惯。甚至同一个人所书写的多个相同汉字，字型上也可能存在相当大的差异。所使用的书写工具的不同也会造成手写汉字的笔道粗细不同。这些都提高了手写汉字识别的难度。针对手写金融汉字的这些特点，我们研究完成了手写金融汉字的识别算法。该算法有如下特点。 首先，针对有的人书写的汉字字型比较随意、夸张的特点，采用了重心—中心变换的方法，有效的解决了这一问题。当所写的汉字偏向一边，这时采用重心—中心变换的方法，可以得到一个笔画分布均匀的图象，这使得此后的分类结果更为稳定，受字型变化的影响不大。 其次，采用16值变换的方法描述了手写汉字的结构特征。汉字的字型比较复杂，这一特征表示方法符合汉字字型的结构特点，为汉字特征的抽取打下了dweed＼ 硕士学住论文 进吓》芬 ＊“IrSn＊IS基础。 再次，提出了v”v＋8呛的网格特征分类方案，使分类结果更为稳定。 最后利用动态弹性有序匹配规则，有效的提高了识别系统的速度和精度。 为了有效的针对实际情况进行研究工作，我们收集了大约四万多个实际的手写金融汉字字符。经测试，使用本系统达到了95％以上的识别率。得到了令人满意的识别结果。(本文来源于《华中师范大学》期刊2002-05-01）
金融汉字论文开题报告
（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：
本文提出一种基于小波包分解的手写体金融汉字识别算法。该算法首先对汉字图像进行小波包分解,利用基于节点子图像能量方差的准则选择适当的部分分解树;然后,将得到的子图像划分成多个局部窗口,计算局部窗口的能量值组成特征向量;再通过主成分分析(PCA)选择分类能力最强的一组特征,降低特征空间的维数;最后,用SVM多类分类方法进行分类判决。实验结果表明,该算法取得了较好的识别效果。
（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。
金融汉字论文参考文献
[1].喻莹,董才林.基于脊波变换的金融汉字不变性特征提取方法[J].计算机应用.2011
[2].喻莹,杨扬,董才林,何秀玲,陈增照.基于小波包分解的手写体金融汉字识别[J].计算机工程与科学.2009
[3].喻莹,杨扬,董才林,何秀玲,陈增照.小波包变换在手写体金融汉字识别中的应用[J].计算机工程与应用.2008
[4].陈增照,杨扬,何秀玲,喻莹,董才林.基于核聚类的手写金融汉字识别方法[J].计算机工程.2007
[5].范振东,吝宁.基于并行特征融合的金融汉字特征提取方法[J].计算机应用.2007
[6].喻莹,杨扬,董才林,何秀玲,陈增照.基于多分类器集成的手写体金融汉字识别[J].计算机工程与应用.2007
[7].徐蔚然,郭军.手写金融汉字识别中的可信度估计[J].电子学报.2005
[8].温昌兵,杨扬,颉斌.并行特征融合在金融手写汉字识别中的应用[J].计算机工程.2005
[9].吴志攀.“汉字经济圈”:“生产链”和“金融链”[J].金融法苑.2003
[10].胡恒兴.票据中的手写金融汉字自动识别研究[D].华中师范大学.2002
论文知识图
