一种基于小波变换提取拐点的手写签名认证方法

为了对手写签名进行准确认证 ,介绍了一种基于小波变换的用于提取手写签名笔划坐标 -时间曲线拐点的手写签名认证方法 ,该方法首先采用以高斯函数的二阶导数作为小波基的小波变换技术来进行拐点提取 ,由于变换后的曲线可以近似认为是原函数的二次导数曲线 ,它不仅能够从签名笔划曲线中准确可靠地提取出具有特殊意义的拐点 ,并具有分辨尺度可调的优点 ,从而提高了认证的普适性 ;然后以该方法为基础 ,进行不同签名之间拐点序列的匹配 ;最后再利用提取的拐点来对签名进行分段和段 -段对应处理 .若由于利用拐点分段能体现出各分段局部相似性与稳定性不同的特点 ,因而拉开了真伪签名之间的差距 ,若进一步与动态时间弯曲算法相结合 ,即可取得比较满意的认证效果 .     

电子电路图的自动输入和识别

在这篇文章中，我们将介绍一种新型电子电路图纸自动读入系统的构成与实现。这是一个已被我们研制成功的实验系统。下面将扼要介绍其中的模式分离与图象识别技术。对于前者，我们着重介绍基于Ｆｒｅｅｍａｎ链码边缘跟踪技术的字符分离方法；而后者则包括两方面的内容：实现字符识别的人工神经网络方法与实现符号识别的决策树方法，最后给出了经识别后的输出图形。     

一种新的结合纹理特征的SVM图象分割方法

本文提出了一种新的结合纹理特征的支持向量机图象分割方法,将纹理特征和灰度特征一起组成训练特征向量,利用支持向量机分类方法进行图象分割.该算法结合了纹理特征在图象描述中的重要意义和支持向量机方法在模式识别领域已表现出的优越性能,实验证明其在图象分割中取得了良好的效果.同时,当需要处理一批内容相似,感兴趣区域具有相同纹理、灰度特征的同类图象时,只需对其中一幅代表性的图象进行SVM训练,所产生的分类模型适用于所有该类图象,无需逐幅进行处理,大大简化了运算过程.     

一种基于多模板匹配的在线手写签名认证方法

针对在线手写签名认证中误拒率较大这一问题,将多模板匹配引入签名认证.该方法不同于单一模板匹配方法,用基于动态时间弯曲距离的最优聚类方法将真实签名样本自动地分为多个聚类,以每一个聚类中心作为一个模板,再通过基于DTW距离的多模板匹配方法,进行模板与待测签名之间的匹配.实验证明,在误纳率没有改变的情况下,与采用单一模板匹配方法相比较,选择合适的模板,该方法可以显著地降低误拒率,从而将错误率控制在一个较为理想的范围内.     

FCC到VCC的转化

一种新型的顶点链码（VCC）,由于它所具有的平移和旋转不变性、起始点不变性、镜像不变性等特点而成为一种很好的图象边缘描述方法。关于它的许多性质以及在图象识别中的应用正在引起广泛的兴趣。本文从Freeman链码（FCC）出发,提出了等位码元和切割码元的概念,找到了一种从FCC到VCC直接转化的算法,这样我们不仅获得了图形边缘的诸如旋转不变性等重要的性质,为VCC链码的应用奠定了基础,更重要的是由此揭示了FCC与VCC两种不同的链码之间的关系。实验的结果同样也说明了这种转化所带来的优越性。     

独立分量分析在图像特征提取中的应用

本文探讨了独立分量分析在图像特征提取方面的应用.对一组自然景色图像进行独立分量分析,结果产生一组具有空间、频域的局部性及局部的方向选择性的视觉滤波器,这组视觉滤波器输出的独立元就是图像的特征(图像中的边缘和线段).利用此项技术,我们将无监督学习技术(独立分量分析)和有监督学习技术(支持向量机)相结合,提出了一种新的脸谱识别方法--基于独立分量分析和支持向量机的脸谱识别方法.利用ORL脸谱库进行脸谱识别实验以检验新方法的有效性.实验结果显示,新方法的识别率明显优于经典的特征脸方法.     

基于核聚类方法的多层次支持向量机分类树

针对解决多类模式识别问题的SVM方法进行研究，在比较常用的几种多类SVM分类算法基础上，提出了一种基于核聚类方法的多层次SVM分类树，将核空间中的无监督学习方法和有监督学习方法结合起来，实现了一种结构更加简洁清晰、计算效率更高的多层SVM分类树算法，并在实验中取得了良好的结果。     

基于核的K-均值聚类

将核学习方法的思想应用于K-均值聚类中，提出了一种核K-均值聚类算法，算法的主要思想是：首先将原空间中待聚类的样本经过一个非线性映射，映射到一个高维的核空间中，突出各类样本之间的特征差异，然后在这个核空间中进行K-均值聚类。同时还将一种新的核函数应用于核K-均值聚类中以提高算法的速度。为了验证算法的有效性，分别利用人工和实际数据进行K-均值聚类和核K-均值聚类，实验结果显示对于一些特殊的类分布数据，核K-均值聚类比K-均值聚类具有更好的聚类效果。     

基于核聚类方法的多层次支持向量机分类树

针对解决多类模式识别问题的SVM方法进行研究。在比较几种常用的多类SVM分类算法的基础上，提出一种基于核聚类方法的多层次SVM分类树，将核空问中的无监督学习方法和有监督学习方法结合起来，实现了一种结构更加简洁清晰、计算效率更高的多层SVM分类树算法，并在实验中取得了良好的结果．     

基于CBR系统事例检索算法的研究

事例检索是基于事例推理CBR系统的中心环节，检索速度和精度关系着整个系统的质量。根据应用的需要先后分析了基于数据库、ID3决策树和k—d树的事例检索算法，并在标准的k—d树算法的基础上引入聚类的概念，将原始的事例库组织成聚合中心库和类库二级结构，提出了改进的k—d树事例检索算法，理论分析和对比实验证实了改进的k—d树事例检索算法在事例检索速度上逼近ID3决策树检索算法，在检索精度上远远超过了ID3决策树检索算法和标准的k—d树检索算法，其性能开销比是四种算法中最为理想的。