FCM-K-means融合算法提升脱机维吾尔手写文本单词切分准确率

本文主要探讨了脱机手写维吾尔文本行图像中的单词切分问题，这是一个关键的预处理步骤，对于后续的手写维吾尔文字识别、字符分割以及文本检索等任务具有重要意义。在传统的印刷体维吾尔文本处理中，已有许多研究方法，如靳简明采用连通体分析法，万金娥利用单词内部空白间隙与外部的规律性差异进行分割，以及李亚男通过连通域搜索来处理连体段。然而，在脱机手写维吾尔文本方面，研究相对较少。 本文创新地提出了一种基于FCM融合K-means的聚类算法。FCM（Fuzzy C-Means）是一种模糊聚类算法，它能够处理数据中的不确定性和模糊性，这对于处理手写文本中的不规则性和噪声非常适用。作者首先通过该算法对单词内的特征进行聚类，形成单词内部的距离度量，然后结合单词间的距离，进一步区分和划分单词。这种方法有效地解决了由于手写文字间距离不规律导致的切分难题，以及一些单词间重叠的情况。 实验中，研究人员选取了50幅来自不同书写者的手写维吾尔文本图像，包含536行和4002个单词，结果显示该算法的切分正确率达到80.68%，表明其在实际应用中的有效性。这种方法不仅提升了切分精度，而且能适应大篇幅的手写文本处理，对于提升整个手写维吾尔文本识别系统的性能具有积极意义。 总结来说，这篇论文关注了脱机手写维吾尔文本图像中的一个技术挑战，并通过创新的聚类算法提供了解决方案。它强调了在手写文本处理中准确单词切分的重要性，并展示了在特定条件下的实际效果，为手写维吾尔文识别领域的研究和实践提供了新的思路和技术支持。