基于Hadoop平臺(tái)的印刷體蒙古文字識(shí)別系統(tǒng)的研究與實(shí)現(xiàn).pdf

1、印刷體蒙古文字識(shí)別是蒙古文字識(shí)別的一個(gè)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(xiàn)資料。將紙質(zhì)文獻(xiàn)資料手工錄入到計(jì)算機(jī)會(huì)浪費(fèi)大量的人力物力，而且在錄入過程中極可能出現(xiàn)人為錯(cuò)誤。因此，蒙古文字識(shí)別技術(shù)應(yīng)運(yùn)而生，蒙古文字識(shí)別技術(shù)實(shí)現(xiàn)了蒙古文文本圖像向可編輯蒙古文文本的自動(dòng)轉(zhuǎn)換。但是，二十一世紀(jì)是一個(gè)信息爆炸的時(shí)代，現(xiàn)有的蒙古文字識(shí)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(diǎn)解決了將蒙古文字識(shí)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(gè)應(yīng)用程序分解為若干并行計(jì)算指令，通過大量的計(jì)算節(jié)點(diǎn)運(yùn)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(jìn)行計(jì)算;Reduce部分用于獲取Map部分計(jì)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(xí)的發(fā)展，

3、本文對(duì)當(dāng)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(xí)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(shí)別算法存在的問題，提出使用MapReduce編程框架來實(shí)現(xiàn)并行蒙古文字識(shí)別算法。Map部分將識(shí)別任務(wù)分配給集群中各個(gè)節(jié)點(diǎn)，Reduce部分將各個(gè)節(jié)點(diǎn)上的識(shí)別結(jié)果進(jìn)行匯總。卷積神經(jīng)網(wǎng)絡(luò)對(duì)圖像中內(nèi)容有豐富的表達(dá)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(jì)實(shí)現(xiàn)了完整的蒙古文字識(shí)別系統(tǒng)，該系統(tǒng)主要包括兩個(gè)部分，一

4、部分是用戶提交識(shí)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(shí)別算法的MapReduce程序，這種設(shè)計(jì)結(jié)構(gòu)使得程序易于維護(hù)、便于擴(kuò)展。
　　本文通過一系列實(shí)驗(yàn)來測(cè)試并行蒙古文字識(shí)別算法在蒙古文字元識(shí)別方面的高準(zhǔn)確性和執(zhí)行效率的高效性，平均識(shí)別正確率達(dá)到92.03％，在三萬字的數(shù)據(jù)規(guī)模下蒙古文字識(shí)別平均耗時(shí)為0.161秒/個(gè)。通過實(shí)驗(yàn)對(duì)比了并行蒙古文字識(shí)別算法與現(xiàn)有蒙古文字識(shí)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