·404 智能系统学报 第4卷 测试结果如表1所示，从表中可以看出，系统的 6)输人文字：我自然是不赞成的， 平均单字识别率为92.2%，而综合识别率平均达到 识别结果：战自然足不赞或的， 了98.1%，提高近6%，综合校正率平均为74.2%. 综合结果：我自然是不赞成的， 表1文本识别实验结果 7)输入文字：亿万农民解放思想更新观念 Table 1 Experimental results on character recognition 识别结果：亿万农民解放怠想更新观念 单字 综合 综合结果：亿万农民解放思想更新观念 书写者 字数 综合 识别率/% 识别率/% 校正率/% 8)输入文字：更好地发挥工人阶级主力军的作用， 770 91.0 98.0 77.8 识别结果：更好地发挥工人阵级主力军钓诈同· 2 1533 91.7 98.5 81.9 97.0 综合结果：更好地发挥工人阶级主力军的作用， 3 2855 90.3 69.1 4 1511 89.9 97.8 78.2 9)输入文字：要广泛宣传具有鲜明时代特征的 5 1511 96.1 98.6 64.1 艰苦创业先进典型. 6 1522 94.6 98.6 74.1 识别结果：要广沧室传具有鲜明时伐特征的艰 平均 92.2 98.1 74.2 芳创业先迭典形 部分单字识别结果与系统的综合处理结果对比 综合结果：要广泛宣传具有鲜明时代特征的艰 例句如下.其中：“输入文字”是手写汉字的内容； 苦创业先进典型， “识别结果”是单字汉字识别系统给出的识别结果； 10)输入文字：九十年代实现翻两番的第一步 “综合结果”是系统综合以后得到的结果.有下划线 战略目标。 的汉字为误识字 识别结果：丸十年代卖观翻两番的第一步战暗 1)输入文字：两国领导人为两国关系的现状感 目称 到满意 综合结果：九十年代实现翻两番的第一步战略 识别结果：两目颁导人讨西国类系约现状礁到 目标 涡意. 11)输入文字：是保证中心组学习活动的重要 综合结果：两国领导人为两国关系的现状熬到 条件 满意. 识别结果：是俘证中心狙学习玲劫钩重要条件. 2)输人文字：在会谈中 综合结果：是保证中心组学习活动的重要案件。 识别结果：札会误于 从以上例句可以看出，系统具有非常强的综合 综合结果：在会谈中 校正能力，大多数识别错误经多Agent综合处理后， 3)输入文字：他表示愿为保持和发展两国的友 得以校正.有时连续出现的误字，也能被改正，如在 好合作关系作出自己的贡献. 例句3、48、11中，出现了连续3个以上的误字同时 识别结果：他先示叁杠探拱和发在丙国的辰好 被更正的情况， 言作关系作出自已封贡献. 系统的误识主要是候选不足造成的.如例句1 综合结果：他表示愿为保持和发展两国的展的 中“感到满意”的“感”字，例句3中“自己的贡献”中 合作关系作出自己时贡献. 的“的”字等均未进入候选.同样在例句3中“友好 4)输入文字：是建设有中国特色社会主义伟大 合作”部分，由于“友”字未入候选，从而株连到“好” 事业的主力军。 字，正字也变误字了.这种现象称为“误校”.误校的 识别结果：是建设有中国特邑社余立叉伟大事 另一个原因是后处理的能力不足造成的.如在例句 业的主力军 11中，“重要条件”是正确的，被误校为“重要案 综合结果：是建设有中国特色社会主义伟大事 件”.其原因是，按照Markov模型，“重要案件”的连 业的主力军 接概率大于“重要条件”的连接概率，而“条”与 5)输入文字：社会稳定了我们才能集中精力做 “案”字又比较相近，识别Agent容易做出退让. 好各项工作 5结束语 识别结果：社会稳定了我们才能菜中精才做好 务项工作 本文引入Agent的概念，提出了一个基于多A 综合结果：社会稳定了我们才能集中精力做好 et系统的手写体汉字识别类市场模型.该模型改 合项工作 变了以往的“切分—识别—后处理”的串行处