1、本网站免费注册后即可以下载，点击开通VIP会员可无限免费下载！
2、资料一般为word或PPT文档。建议使用IE9以上浏览器或360、谷歌、火狐浏览器浏览本站。
3、有任何下载问题，请联系微信客服。
扫描下方二维码，添加微信客服
选修5人工智能初步《1.2.3模式识别》优质课PPT课件下载
●传输信道，麦克风频响
鲁棒性技术
●专注于如何减小训练和测试所带来的不匹配
●区分性训练
●特征补偿和模型补偿
识别率是手写汉字识别研究中最重要的环节，影响识别率的因素也是手写识别技术研究中的难点，目前影响识别率的因素主要有以下几个方面：
1．笔顺问题
由于不同人具有不同的书写习惯，笔划的书写顺序经常发生变化，因此，单纯通过串匹配进行识别难以达到理想效果。对汉字进行描述时，仅仅采用一维串也就显得不够，必须利用一些二维方法来描述，从而又极大地增加了匹配的难度。
2．连笔问题
一般人写字时都不会一笔一划地书写，为了节省时间，连笔字是自然而然的事情，一些行书连笔甚至完全脱离了楷书的框架。从实用角度讲，连笔问题比笔顺问题具有更重要的意义。对于结构识别而言，连笔一方面使笔划种类大大增加，甚至达到难以归纳的程度；另一方面，连笔又使得笔段抽取难度大增，因为连笔会增加一些冗余笔段，连笔造成的畸变又会使笔段方向严重离散。总之，连笔不论对于基于哪种基元的结构识别都是严峻的挑战。
3．相似字区分
汉字种类繁多，很多汉字彼此之间非常相似，例如“己、已、巳”三个字相差只在细微之间。手写汉字的变形十分严重，怎样能使识别系统抓住微小的差别，目前还是一个非常值得研究的问题。
4．对抗干扰能力的要求
抗干扰能力，也称为鲁棒性，对于联机手写识别系统的性能是非常重要的。书写时候，笔划的畸变、丢失，多余笔段(如笔锋)的插入，字的倾斜，部件间相对位置、大小的变化，这些都是经常发生的现象。对于结构识别来说，会造成基元提取和识别的错误。传统的结构识别方法恰好在鲁棒性上是薄弱环节。因此，要想取得好的性能，必须对传统识别方法进行改进，增强其鲁棒性，从而增加实用性。
后PC时代，各式各样新奇、小巧的PDA、手机、电子书(E-book)、信息家电(IA)等等信息产品被创造出来，但是这些产品几乎都有面板过小、输入不易的问题。就是PC的键盘输入，对大多数人来说也不是那么方便容易。手写输入必然会受到瞩目，因此，将手写识别技术移植并嵌入其他行业领域，将是手写识别技术未来发展的重要方向之一。
1.2.3 模 式 识 别
学校：
制作：
教育科学出版社 选修5
引入
观看视频“神偷谍影片段”。
分组讨论
从视频、手机语音唤醒中发现了什么功能？你们平时生活中用过哪些这方面的功能？它们属于计算机的什么范畴?（见学案习题一）
人工智能 模式识别 语音识别 人脸识别
看视频