Vor Ort
Merkzettel Warenkorb
  • Produktbild: Handwriting Recognition
  • Produktbild: Handwriting Recognition
Band 133 - 11%

Handwriting Recognition Soft Computing and Probabilistic Approaches

Aus der Reihe Studies in Fuzziness and Soft Computing
11% sparen

96,99 € UVP 109,99 €

inkl. gesetzl. MwSt., Versandkostenfrei

Beschreibung

Produktdetails

Einband

Gebundene Ausgabe

Erscheinungsdatum

21.07.2003

Verlag

Springer Berlin

Seitenzahl

230

Maße (L/B/H)

24,1/16/1,9 cm

Gewicht

482 g

Auflage

1. Auflage

Sprache

Englisch

ISBN

978-3-540-40177-3

Beschreibung

Produktdetails

Einband

Gebundene Ausgabe

Erscheinungsdatum

21.07.2003

Verlag

Springer Berlin

Seitenzahl

230

Maße (L/B/H)

24,1/16/1,9 cm

Gewicht

482 g

Auflage

1. Auflage

Sprache

Englisch

ISBN

978-3-540-40177-3

Herstelleradresse

Springer-Verlag GmbH
Tiergartenstr. 17
69121 Heidelberg
DE

Email: GPSR Kontakt

Noch keine Bewertungen vorhanden

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kundinnen und Kunden durch Ihre Meinung.

Kundinnen und Kunden meinen

Bewertungen (0)
  • Produktbild: Handwriting Recognition
  • Produktbild: Handwriting Recognition
  • 1 Introduction.- 1.1 Feature Extraction Methods.- 1.2 Pattern Recognition Methods.- 2 Pre-processing and Feature Extraction.- 2.1 Pre-processing of Handwritten Images.- 2.2 Feature Extraction from Binarized Images.- 2.3 Feature Extraction Using Gabor Filters.- 2.4 Concluding Remarks.- 3 Hidden Markov Model-Based Method for Recognizing Handwritten Digits.- 3.1 Theory of Hidden Markov Models.- 3.2 Recognizing Handwritten Numerals Using Statistical and Structural Information.- 3.3 Experimental Results.- 3.4 Conclusion.- 4 Markov Models with Spectral Features for Handwritten Numeral Recognition.- 4.1 Related Work Using Contour Information.- 4.2 Fourier Descriptors.- 4.3 Hidden Markov Model in Spectral Space.- 4.4 Experimental Results.- 4.5 Discussion.- 5 Markov Random Field Model for Recognizing Handwritten Digits.- 5.1 Fundamentals of Markov Random Fields.- 5.2 Markov Random Field for Pattern Recognition.- 5.3 Recognition of Handwritten Numerals Using MRF Models.- 5.4 Conclusion.- 6 Markov Random Field Models for Recognizing Handwritten Words.- 6.1 Markov Random Field for Handwritten Word Recognition.- 6.2 Neighborhood Systems and Cliques.- 6.3 Clique Functions.- 6.4 Maximizing the Compatibility with Relaxation Labeling.- 6.5 Design of Weights.- 6.6 Experimental Results.- 6.7 Conclusion.- 7 A Structural and Relational Approach to Handwritten Word Recognition.- 7.1 Introduction.- 7.2 Gabor Parameter Estimation.- 7.3 Feature Extraction.- 7.4 Conditional Rule Generation System.- 7.5 Experimental Results.- 7.6 Conclusion.- 8 Handwritten Word Recognition Using Fuzzy Logic.- 8.1 Introduction.- 8.2 Extraction of Oriented Parts.- 8.3 System Training.- 8.4 Word Recognition.- 8.5 Experimental Results.- 8.6 Conclusion.- 9 Conclusion.- 9.1 Summary and Discussions.- 9.2 Future Directions.- 9.3 References.