28、分类与符号识别技术解析

分类与符号识别技术解析

1. 分类相关数据

在分类任务中，有一系列与鸢尾花数据相关的文件，这些文件可用于训练和测试分类模型。具体信息如下：
| 文件名称 | 文件用途 |
| ---- | ---- |
| iris - train3.txt | 训练数据，对应鸢尾花品种为维吉尼亚鸢尾（Iris virginica） |
| iris - test1.txt | 测试数据，对应鸢尾花品种为山鸢尾（Iris setosa） |
| iris - test2.txt | 测试数据，对应鸢尾花品种为变色鸢尾（Iris versicolor） |
| iris - test3.txt | 测试数据，对应鸢尾花品种为山鸢尾（Iris setosa） |
| iris - data.txt | 完整的鸢尾花数据集 |

2. 符号识别问题提出

阅读是日常生活中非常基础的一部分，但我们很少思考它是如何实现的。对于计算机而言，识别页面上的字符是一个具有挑战性的任务，这就是光学字符识别（OCR）问题，即自动将光栅图像识别为字母、数字或其他符号。这个问题具有重要的实际意义，因为大量信息以印刷形式存储，如图书馆的书籍、广告牌、车牌、菜单、地图等都包含字符信息。同时，传真机传输的数据也是以图像形式存在，大多数计算机接收传真后只能存储为二进制图像，无法直接转换为 ASCII 文本文件。

一个 OCR 系统需要完成多个精确的任务。假设输入是一页文本图像，系统首先要确认文本的方向，然后对图像进行分割，先分为黑白像素，再分为文本行，最后分为单个字形（glyph）。接着对每个字形应用识别策略，将识别出的字符组合成单词和句子