Indexed by：
Abstract：
针对中小学数学课堂中具有复杂二维空间结构的手写算式,提出了一种基于多重几何特征和卷积神经网络(CNN)的脱机手写算式识别的解决方案.首先,基于CNN分类算法,对图像预处理后的单个手写字符进行识别;然后,利用几何特征,如宽高比、质心坐标、质心偏移角度、中心偏移量、水平重叠区间比等,识别具有复杂空间结构的小数、分数、指数、根式等常见手写算式,并采用分治算法完成由以上算式组合嵌套的复合算式识别;最后,设计并实现脱机手写算式识别系统.实验结果表明:在满足一定光照条件下,该方案对不同分辨率、含噪声图像的手写算式识别率可达90.43％,具有一定的应用价值.
Keyword：
Reprint Author's Address：
Email：
Source ：
计算机系统应用
ISSN： 1003-3254
Year： 2020
Issue： 8
Volume： 29
Page： 271-279
Cited Count：
WoS CC Cited Count： 0
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： -1
Chinese Cited Count：
30 Days PV： 21
Affiliated Colleges：
