基于小波分析的脱机手写体汉字识别研究

[复制链接]
查看: 113|回复: 0

2万

主题

3万

帖子

7万

积分

管理员

Rank: 9Rank: 9Rank: 9

积分
72280
发表于 2023-10-2 19:11:09 | 显示全部楼层 |阅读模式
目:


雅宝题库答案
****此区域为收费内容****    需支付 1 知识币后可查看,1币=0.01元查看答案


雅宝题库解析:
稀疏分解思想是一种新型的信号或图像表示方法,其摒弃了非冗余正交变换,旨在找到一种将信号或图像由过完备原子库中某一些原子线性表出的方法。本文分析总结了稀疏分解领域的两种主要研究思路,一种是根据选定的原子库寻找信号在其上快速收敛的分解算法,以达到提高信号分解稀疏度的目的,这类算法以经典的贪婪算法——匹配追踪(MP)算法为代表,之后又不断革新出了OMP算法、ROMP算法、SP算法以及StOMP算法等;另一种研究思路是在选定信号分解稀疏度的情况下,设计特定的原子库,以极小化一类信号在此原子库上的分解残差为目标。本文为提高特征提取区分度,利用后一种研究思路设计并实现了具有脱机手写体汉字特征的过完备原子库的构造,以及基于此原子库的脱机手写汉字识别过程。本文首次提出并使用了K-SVD-SVM算法对脱机手写体汉字进行识别,该算法将稀疏分解的思想和支持向量机相结合,首先利用矩阵奇异值分解学习出一组具有脱机手写体汉字特征的过完备原子库,然后将汉字样本在此原子库上的分解系数作为特征提取结果,用于SVM分类器的训练和识别。大量的仿真实验结果表明,K-SVD-SVM算法得到的过完备原子库的稀疏表示效果对国标一级字库中3755个汉字具有普遍适用性,算法得出的识别结果高效且稳定;其快速算法——rapid K-SVD-SVM算法进一步对特征空间进行了优化,在保持了较高识别率的基础上识别效率得到了三到四倍的提高。





上一篇:一种基于BPMN的业务流程库的研究与实现
下一篇:软件项目进度管理关键技术的研究与实现
回复

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

精彩课程推荐
|网站地图|网站地图