补充资料：汉字分类识别

汉字分类识别
Chinese character recognition by classification

　　hQnzi fsnlei ShibiG汉字分类识别(Chi~ch~ter八叉邺，itionby cl别洛ifiCation】根据某种判别准则，用统计或结构的方法，把汉字模式多维特征向量(参见汉宇识别鑫本方法)构成的特征空间划分为若干子空间的过程。 由于汉字数量巨大，汉字模式样本甚多，为提高识别速度，汉字识别通常采用两到三级分类识别方案。其中最后一级分类(通过该分类就识别出汉字)称为细分类，前面若干级分类都称为粗分类。 汉字识别分类方法的选择原则是:①分类特性好。即类内各样本距离小，类间距离大，各类重叠样本少。②分类稳定性好，抗干扰能力强。③粗分类的正确分类率和稳定性应比细分类高。④每类汉字的相关性要小，分类速度快。⑤分类特征易提取，简单，维数低。⑥粗分类要和细分类相协调。以上要求很难同时满足，分类(特别是粗分类)的稳定性和正确分类率是首先需要考虑的。 分类方法有重叠区分类、中心提取分类、判定树分类、引导树分类等。 在汉字分类时，用某种类似度(或距离)准则，把未知文字特征和字典中标准文字特征逐一比较，按相似性从大到小排序，取i位以前(包括第i位)的所有文字为一类，所得到的正确分类的文字占全部需要识别文字的百分比，称为累计分类率。第i位的累计分类率就是从第1位到第i位所得正确分类字数占全部需要识别文字的百分比。第1位的累计分类率就是识别率，第。位(n为全部需要识别文字数)累计分类率总是100%。
　　

说明：补充资料仅用于学习参考，请勿用于其它任何用途。