Vor Ort
Merkzettel Warenkorb
  • Produktbild: Handwriting Recognition
  • Produktbild: Handwriting Recognition
Band 133

Handwriting Recognition Soft Computing and Probabilistic Approaches

Aus der Reihe Studies in Fuzziness and Soft Computing

98,99 €

inkl. gesetzl. MwSt., Versandkostenfrei

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

07.12.2010

Abbildungen

XV, 230 p.

Verlag

Springer Berlin

Seitenzahl

230

Maße (L/B/H)

23,5/15,5/1,4 cm

Gewicht

388 g

Auflage

Softcover reprint of hardcover 1st edition 2003

Sprache

Englisch

ISBN

978-3-642-07280-2

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

07.12.2010

Abbildungen

XV, 230 p.

Verlag

Springer Berlin

Seitenzahl

230

Maße (L/B/H)

23,5/15,5/1,4 cm

Gewicht

388 g

Auflage

Softcover reprint of hardcover 1st edition 2003

Sprache

Englisch

ISBN

978-3-642-07280-2

Herstelleradresse

Springer-Verlag KG
Sachsenplatz 4-6
1201 Wien
AT

Email: ProductSafety@springernature.com

Ein neues Kapitel für Ihre Bücher

Ein neues Kapitel für Ihre Bücher

Schenken Sie Ihren alten Schätzen ein zweites Leben und erhalten dafür eine Thalia Geschenkkarte.

Jetzt verkaufen
Jetzt verkaufen

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.