基于改进模板匹配与深度稀疏编码网络的文档编号自动识别
段磊1 刘涛1 李伟鹏1 张宁1 咸日常2 邹国锋2
生成PDF 清样下载 引用

复制成功

导出题录

参考文献( GB/T 7714-2015 ) 复制

段磊1 刘涛1 李伟鹏1 张宁1 咸日常2 邹国锋2,. 基于改进模板匹配与深度稀疏编码网络的文档编号自动识别[J]. 计算机研究与应用,2019.7. DOI:.
摘要:
电力部门涉密文档编号组合方式复杂、书写形式多样,针对现有文档编号自动识别技术无法实现高精度识别的问题,综合分析电力部门涉密文档编号的构成要素,并提出融合改进特征匹配和深度学习的文档编号自动识别方法。通过图像采集装置扫描文档编号,针对机打文档编号,采用特征匹配算法实现识别;若编号为手写形式,则采用深度学习网络实现编号自动识别。实验数据表明,所提出的方法能够较好地适用于电力部门涉密文档编号的自动识别,有效改善编号识别准确度。
关键词: 文档编号识别;欧拉数;模板匹配;深度稀疏自动编码器;智能化信息采集
DOI:
基金资助:

》在线投稿系统

*文章题目:
*作者姓名:
*电子邮箱:
*通讯地址:
*联系方式:

  备      注:

*上传稿件:

支持上传.doc,.docx,.pdf,.txt,.wps文件

投稿须知:

1、审稿结果将于1~7个工作日以邮件告知,请注意查收(包含录用通知书、审稿意见、知网CNKI查重报告)。

2、提交投稿后,若7个工作日之内未接到录用通知,则说明该文章未被录用,请另投他刊。

3、凡投寄本刊稿件,如在内容上有侵权行为或不妥之处,均应文责自负。本刊有权对来稿进行文字编辑、加工和修改,如不同意,请附说明,以便妥善处理。

4、多作者文稿署名时须征得其他作者同意,排好先后次序,通知用稿后不再改动。

5、凡投往本刊稿件一经录用发表,其版权归本刊所有。

6、本刊已全文录入中国知网、万方、维普等数据库,如作者不同意被收录,请提前申明,未申明者,本刊一律视为同意被收录。

7、请勿一稿多投。