1、對于未知人員手寫文字進行計算機識別與分析，基于其內(nèi)容與書寫風(fēng)格進行分類，進而鑒定書寫人類別是一項困難的任務(wù)。本文從圖像風(fēng)格信息和文本語義信息兩個角度進行離線手寫漢字鑒定算法研究。圖像風(fēng)格信息通過筆跡鑒定算法提取，文本語義信息通過字符識別和文本分類的方法提取。
　　首先，鑒于深度學(xué)習(xí)中卷積神經(jīng)網(wǎng)絡(luò)模型在圖像識別與分類中的出色性能，本文的筆跡鑒定和字符識別算法采用卷積神經(jīng)網(wǎng)絡(luò)模型進行研究；而文本分類采用傳統(tǒng)的向量空間模型和主題模型進行

2、研究。接著，構(gòu)建手寫漢字鑒定算法文本圖像數(shù)據(jù)庫，驗證鑒定算法有效性。最后，提出采用乘法規(guī)則，對圖像風(fēng)格特征和文本語義特征進行信息融合，提升算法魯棒性。本文的主要內(nèi)容有：
　　1.針對卷積神經(jīng)網(wǎng)絡(luò)中不同大小的卷積核提取圖像信息層次不同的特點，提出采用多級卷積特征提取結(jié)構(gòu)代替卷積神經(jīng)網(wǎng)絡(luò)中的第一個卷積和下采樣層。增強網(wǎng)絡(luò)的特征提取能力，并分別在離線中文筆跡鑒定和字符識別卷積神經(jīng)網(wǎng)絡(luò)模型上進行改進驗證，提升模型鑒定和識別正確率。

3、　　2.將改進后的字符識別HCCR-GoogLeNet模型，應(yīng)用于文本無關(guān)離線中文筆跡鑒定領(lǐng)域，獲得端到端方法最佳性能。
　　3.對比向量空間模型和主題模型在文本分類上的性能，提出將 Latent Dirichlet Allocation模型應(yīng)用于匿名信分類場景。
　　4.構(gòu)建離線手寫漢字鑒定算法文本圖像數(shù)據(jù)庫，驗證基于風(fēng)格和基于內(nèi)容的鑒定算法有效性，并采用乘法規(guī)則對二者結(jié)果進行融合，提升鑒定算法魯棒性。
　　通過本文