基于多特征融合的票据分类技术及应用

在进行票据处理的过程中实现票据快速、准确地分类能够显著提高工作效率,本文针对票据分类的方法进行分析,并指出了其中的利弊。在金融和税务中使用票据具有其自身的特点,根据其特点进行分类能够提高分类的速度。同时也可以根据票据中隐藏的分类条码、特征字符和特征图像等对其进行分类,保证票据分类的效率,同时保证分类的准确性。在银行系统中,采用多特征融合的票据分类技术能够充分证明该方法的实用性。     

层次型金融票据图像分类方法

金融票据图像识别处理是当今的一个热点研究方向,而票据分类是其中重要的基础部分。针对种类繁多、数量巨大、版面复杂和噪声干扰严重的金融票据彩色图像,本文提出了一种基于二叉树决策的层次型票据类型匹配方法。该方法利用三个类型判断器:基于票据版面结构的松弛匹配、基于OCR 的票据标题识别和基于票据颜色的色彩分析,层次化的进行票据类型判断。实验表明,层次型金融票据图像分类方法具有良好的效果;基于该方法的银行票据识别处理系统已经广泛应用于各大银行的相关业务系统中。     

多重水印快速加密技术在图象深度传感器中的应用

本文研究了金融电子票据中高效率的快速多重数字水印加密在图象深度传感器中的应用方法,针对票据中的数字、签名等关键内容容易被篡改的问题,针对关键区域进行卷积神经网络的识别和水印加密。首先,利用卷积神经网络识别票据中的关键信息区域,以减少水印加密的运算数据量,提高金融票据自动处理效率。在传统的网络结构中,由于CNN的卷积池化操作,使得粗粒度和边缘信息丢失,CNN网络中最顶层的信息维度偏低,易导致过拟合。针对上述问题,本文提出利用票据图及其差分特征,构建适合CNN网络的多通道图像输入特征,充分挖掘图像内在特征;然后进一步改进传统的CNN网络结构,把所有卷积层的输出连接为一层,构成包含各层信息的融合特征,输入网络的全连接层进行分类识别。实验结果表明,改进后的CNN识别算法,相较传动CNN、DNN等算法,其性能均有明显提升,能够更加高效的进行多个关键区域的内容识别,从而高效的进行多重数字水印的加密,提高金融票据处理的安全性和运算效率。     

基于受控形态学的无限制票据分类

目前的票据类型识别要求票据中必须存在框线、分类码等明确的分类标志，而现有的实际票据往往不满足这些条件，基于受控形态学操作的二次分类方法选取图像本身的结构特征进行了分级受控击中击不中变换，对票据样式没有任何限制。分析和实验表明，该方法计算复杂度低、速度快、准确率高。     

多分类器融合在银行票据识别中的应用

论文将数字识别技术应用于银行票据自动识别勾兑业务系统,并利用多分类器融合方法获得了99.527%的单个数字字符识别率,在此基础上运用多区域多内容冗余校验方法保证了识别结果的充分可信赖性,经此处理后整张票据的识别通过率高达87.573%,其识别结果完全正确。     

基于极值滤波和OTSU的票据纤维特征提取

针对票据纤维特征提取的难题,提出基于极值滤波和OTSU的票据纤维特征提取方法,包括采用极大值滤波方法增强纤维特征并整合复杂背景对象。采用优化流程的OTSU算法分割图像,提取纤维特征。实验结果证明,该方法提取票据纤维特征效果好、速度快,一致性指标达91％以上。     

并行特征融合在金融手写汉字识别中的应用

针对金融票据自动识别应用中的脱机手写体汉字识别进行特征提取的研究,首先提出了用Gabor特征和Zemike矩特征来分别表征汉字的局部特征和全局特征。针对传统的串行特征融合方法的缺陷,提出了一种并行特征融合方法,将Gabor特征和Zemike矩特征组合成新的特征向量,然后使用广义K-L变换对新特征向量的维数进行压缩,去除冗余信息。实验结果验证了该方法的有效性。     

应用OCR技术的金融票据处理系统

针对日常应用的金融票据,我们使用计算机进行自动处理。在金融票据自动处理系统的多个环节,我们应用了OCR技术。在票据类型识别这一重要环节,我们对印刷体的表头信息进行OCR识别,进一步提高了对票据类型的识别率。我们还对表格中以中文大写数字,手写阿拉伯数字,勾选填写的信息项运用OCR技术进行处理,提高了票据自动处理系统的能力。     

票据清算中清算风险产生的条件与防范方法

本文分析了票据清风险产生的条件,并结合计算机处理的特点,提出了和一适合于计算机机处理并能防止票据清算风险发生的票据清算方法。     

一种基于结构的票据定位新方法

为了提高票据识别的准确率,对票据定位进行了研究。提出了一种基于结构的定位方法。它利用票据主边框上交叉点的个数和相对位置作为票据的特征信息,并将这些信息通过相应的分类相似函数集与已定义的模版进行匹配,从而实现对票据的分类,最终提取出当前票据的识别区域。实验结果表明:该算法取得了很好的定位效果。     

基于模板匹配和差影处理的票据图象检测

票据图象的准确分类检测是实现金融票据自动处理的基础。论文应用经典的数字图象处理理论,提出了一种新的多类别票据图象检测方法,即在原始票据图象利用模板匹配先得到相应的有效图象,再运用差影技术对滤波去噪后的有效图象进行模板存在与否的检测。实际的票据分类处理实验结果证实了所提出的方法的有效性。     

招贴在平面广告设计中的应用研究

招贴在平面广告设计中的应用非常广泛。讨论了招贴的特点、分类和设计原则,阐述了招贴设计的流程,对广告公司进行招贴设计具有一定的参考价值。     

Continuous fatigue level estimation for the classification of fatigued bills based on an acoustic signal feature by a supervised SOM

Fatigued bills have a harmful influence on the daily operation of automated teller machines (ATMs). To make the classification of fatigued bills more efficient, the development of an automatic fatigued bill classification method with a continu ous fatigue level is desirable. We propose a new method to estimate the bending rigidity of bills using the acoustic signal feature of banking machines. The estimated bending rigidities are used as the continuous fatigue level for the classification of fatigued bills. By using a supervised self-organizing map (SOM), we effectively estimate the bending rigidity using only the acoustic energy pattern. The experimental results with real bill samples show the effectiveness of the proposed method. This work was presented in part at the 13th International Symposium on Artificial Life and Robotics, Oita, Japan, January 31–February 2, 2008     

数据挖掘C4.5算法在市政工程造价的应用研究

首先对C4.5算法做了介绍,然后针对案例工程对算法提出一些优化措施,运用C4.5算法对案例市政道路工程工程量清单费用进行建模与分析研究,提取分类规则,最后随机验证分类规则的普遍适用性。通过随机验证可知该分类规则具有普遍适用性,可以帮助工程造价相关从业人员进行快速预测,提高决策分析的工作效率。     

显微图象的数字图象处理及其在血细胞形态分析中的应用

为了进行血细胞显微图象的快速分析,将显微图象的数字图象处理技术引入到血细胞形态分析中,在研究过程中,首先通过高倍电子显微镜及数字图象采集设备对血细胞图象进行采集;然后对血细胞的数字图象进行预处理,其中包括对比度增强、图象的高通滤波、图象的二值化、图象的腐蚀和膨胀、边缘跟踪等等;最后通过对血细胞的圆形度、矩形度和中心矩等等几何形态进行比较,提取出能够较明显地辨析出它们的特征向量,同时对分析结果的可信度进行了讨论。     

一种规则和贝叶斯方法相结合的文本自动分类策略

文本自动分类技术是信息处理领域的重要研究方向,在介绍文本分类应用以及其关键技术的同时,讨论了几种文本分类方法,并且在对这些分类方法分析的基础上,提出了一种规则和统计相结合的文本自动分类策略。该策略通过规则方法来放宽贝叶斯方法所要求的强独立性假设条件,同时当规则不能满足时,可以通过贝叶斯方法来得到更好的分类结果。     

基于数据聚类的网络安全防护态势优化方法

针对传统的模糊特征检测方法不适应当前应用的问题,提出一种基于数据聚类的网络安全防护态势优化新方法。首先,构建网络安全状态分布模型,采用大数据挖掘方法对网络安全信息进行数据挖掘。其次,利用新型入侵识别检测方法对所设计的网络安全估计状态进行自适应特征提取,提取网络安全状况的特征数据集和处理单元。然后采用模糊C平均数据聚类方法(FCM)提取综合信息。对入侵特征信息流进行分类,根据属性分类结果进行网络安全态势预测,实现安全态势评估。最后基于不同场景下进行实验,结果表明,所提算法适用于网络安全的场景,准确性和鲁棒性都得到了验证。     

复杂性测度在肌电信号模式识别中的应用

针对表面肌电信号(SEMG)的非平稳特性,提出了一种以复杂性测度和支持向量机(SVM)相结合的肌电信号模式识别新方法。肌电信号的复杂度作为一种新的肌电信号特征,算法简单。支持向量机是一种新的机器学习机制。通过对采集的四通道表面肌电信号进行分析,提取其复杂性测度信息构建特征矢量,利用“一对一”分类策略和二叉树构建的多类支持向量机分类器,很好地实现了对前臂的八种动作表面肌电信号的模式分类。实验表明,由支持向量机对肌电信号的复杂度特征进行分类,具有很好的稳定性和准确率,为肌电信号及其它非平稳生理电信号的模式分类提供了一种新思路。     

基于Stacking组合分类方法的中文情感分类研究

情感文本分类(简称情感分类)是一种面向主观信息分类的文本分类任务。目前,由于其广泛的应用前景,该任务在自然语言处理研究领域中得到了普遍关注,相继出现多种用于情感文本分类的有监督的分类方法。该文具体研究四种不同的分类方法在中文情感分类上的应用,并且采用一种基于Stacking的组合分类方法,用以组合不同的分类方法。实验结果表明,该组合方法在所有领域都能够获得比最好基分类方法更好的分类效果。从而克服了分类方法领域依赖的困境(不同领域需要选择不同基分类方法才能获得更好的分类结果)。