基于Hadoop平臺的印刷體蒙古文字識別系統(tǒng)的研究與實現(xiàn).pdf

1、印刷體蒙古文字識別是蒙古文字識別的一個重要部分，隨著內(nèi)蒙古地區(qū)蒙古族文化的發(fā)展，產(chǎn)生了大量的蒙古文文獻資料。將紙質(zhì)文獻資料手工錄入到計算機會浪費大量的人力物力，而且在錄入過程中極可能出現(xiàn)人為錯誤。因此，蒙古文字識別技術(shù)應(yīng)運而生，蒙古文字識別技術(shù)實現(xiàn)了蒙古文文本圖像向可編輯蒙古文文本的自動轉(zhuǎn)換。但是，二十一世紀是一個信息爆炸的時代，現(xiàn)有的蒙古文字識別算法在效率上已經(jīng)不能滿足應(yīng)用的需求。因此，本文重點解決了將蒙古文字識別算法并行化的問題。<

2、br>　　Hadoop原本來自于Google一款名為MapReduce的編程模型。Google的MapReduce框架可以將一個應(yīng)用程序分解為若干并行計算指令，通過大量的計算節(jié)點運行海量的數(shù)據(jù)集。MapReduce編程框架主要包含兩部分:Map部分和Reduce部分，其中Map部分用于將輸入數(shù)據(jù)切分成若干小的數(shù)據(jù)塊進行計算;Reduce部分用于獲取Map部分計算產(chǎn)生的小數(shù)據(jù)塊，經(jīng)過匯總后輸出結(jié)果。
　　隨著大數(shù)據(jù)和深度學(xué)習的發(fā)展，

3、本文對當前熱門的大數(shù)據(jù)處理技術(shù)Hadoop和卷積神經(jīng)網(wǎng)絡(luò)深度學(xué)習算法做了深入的分析和研究后，結(jié)合現(xiàn)有蒙古文字串行識別算法存在的問題，提出使用MapReduce編程框架來實現(xiàn)并行蒙古文字識別算法。Map部分將識別任務(wù)分配給集群中各個節(jié)點，Reduce部分將各個節(jié)點上的識別結(jié)果進行匯總。卷積神經(jīng)網(wǎng)絡(luò)對圖像中內(nèi)容有豐富的表達能力，可以自適應(yīng)的提取蒙古文字字元圖像特征。
　　本文設(shè)計實現(xiàn)了完整的蒙古文字識別系統(tǒng)，該系統(tǒng)主要包括兩個部分，一

4、部分是用戶提交識別作業(yè)界面;另一部分是搭建在Linux系統(tǒng)上的并行蒙古文字識別算法的MapReduce程序，這種設(shè)計結(jié)構(gòu)使得程序易于維護、便于擴展。
　　本文通過一系列實驗來測試并行蒙古文字識別算法在蒙古文字元識別方面的高準確性和執(zhí)行效率的高效性，平均識別正確率達到92.03％，在三萬字的數(shù)據(jù)規(guī)模下蒙古文字識別平均耗時為0.161秒/個。通過實驗對比了并行蒙古文字識別算法與現(xiàn)有蒙古文字識別算法在大規(guī)模數(shù)據(jù)下的表現(xiàn)，證明了并行蒙古文