一种基于骨架特征和神经网络的手写体字符识别技术

对英文字符集的识别问题,提出了一种依据细化后的字符骨架特征进行分类,并对每一类别的字符各自建立神经网络进行训练和识别的方案。在二值图象理论的基础上,通过对字符轮廓特征的分析,提出了一种对英文字符集的分类方案,同时提出了一种快速有效的骨架链码形成和特征提取算法。     

一种SVM增量学习算法α-ISVM

基于SVM(support vector machine)理论的分类算法,由于其完善的理论基础和良好的试验结果,目前已逐渐引起国内外研究者的关注.深入分析了SVM理论中SV(support vector,支持向量)集的特点,给出一种简单的SVM增量学习算法.在此基础上,进一步提出了一种基于遗忘因子α的SVM增量学习改进算法α-ISVM.该算法通过在增量学习中逐步积累样本的空间分布知识,使得对样本进行有选择地遗忘成为可能.理论分析和实验结果表明,该算法能在保证分类精度的同时,有效地提高训练速度并降低存储空间的占用.     

基于数学形态学的骨架抽取算法

骨架是图象几何形态的重要拓扑描述，在图象分析领域有广泛应用。本文给出了利用数学形态学方法抽取图象骨架的算法及对该算法的详细证明。利用骨架算法得到的骨架子集可部分或完全重建原始图象，因而可用于对原始图象编码或描述原始图象的特征。该算法适用于模拟空间，同时也适用于数字空间。本文还给出了数字空间中的快速骨架抽取算法，以及利用骨架子集完全或部分重建原始图象的实例     

可补偿类别差异的加权支持向量机算法

支持向量机(SVM)算法在各类别样本数多少不同时,样本数量多的类别,其分类误差小,而样本数量少的类别,其分类误差大.针对这种倾向性问题,在分析其产生原因的基础上,提出了加权SVM算法,从而克服了常规SVM算法不能灵活处理每一个样本的缺陷,同时补偿了这种倾向性造成的不利影响.这种以牺牲大类别精度来提高小类别精度的加权支持向量机方法,可应用于诸如故障诊断等关注小类别分类精度的场合.户外图象识别的实验结果证明,该算法是有效的.     

一种基于个人身份认证的正面人脸识别算法

利用小波分解提取人脸特征技术和支持向量机 (SVM)分类模型 ,提出了一种基于个人身份认证的正面人脸识别算法 (或称为人脸认证方法 ) .针对 M个用户的人脸认证算法包括二个阶段 :(1)训练阶段 :使用小波分解方法对脸像训练集中的人脸图象进行特征提取 ,并用所提取的人脸特征向量训练 M个 SVM(对应 M个用户 ) ;(2 )认证阶段 :先由待认证者所声称的用户身份 (姓名或密码等 )确定对应的一训练好的 SVM,然后用这一 SVM对小波分解方法提取的待认证人的脸像特征向量进行分类 ,分类结果将显示待认证人所声称的身份是否真实 .利用 ORL人脸图象库对该算法的实验测试结果 ,以及与径向基函数神经网络作为分类器时的实验结果比较表明了该算法性能的优越性     

基于小波模糊聚类的均质纹理和非均质纹理图象检索

基于内容的图象检索是近年来的研究热点 ,为此提出了一种自动区分均质纹理和非均质纹理图象 ,并对这两类图象分别进行检索的算法 .算法首先从图象离散小波变换的低频子带提取一定的颜色和纹理特征用于模糊聚类 ,将图象的低频子带分割为一定的区域 ;然后根据分割的结果将图象自动语义分类为均质纹理或者非均质纹理图象 ;最后对均质纹理和非均质纹理图象分别提取不同的特征矢量 ,并按照一定的相似度准则检索图象 .实验结果表明 ,该算法具有良好的均质纹理和非均质纹理图象分类和检索性能 .     

基于骨架特征和SVM的形状图像分类研究

采用了去除了背景的六类动物图像,通过Matlab对动物二值图像进行骨架提取,并通过去毛刺算法去除了多余的骨架分支,有效地提高了图像的识别率。运用击中与不击中算法寻找骨架的端点和交叉点,并通过寻找的坐标求得骨架角度特征向量。通过SVM对各类形状图像的角度特征向量进行训练分类和识别。结果表明该方法对姿态不是很复杂的形状图像的分类有较好的效果,为以后模式识别和图像分类检索提过了一定的理论基础。     

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.     

基于模糊熵特征选择算法的SVM在漏洞分类中的研究

漏洞的分类能够有效提高漏洞分析和修复的效率,其分类的方式是按照漏洞的特征进行,将漏洞特征的提取转换为漏洞文本特征的提取.针对漏洞的描述性文本较短,特征选择模糊等缺点,提出了一种基于模糊熵特征选择算法的SVM的漏洞分类方法对漏洞分类进行研究.该方法结合模糊熵理论和支持向量机分类方法的优点,设计类间类内隶属度函数来体现特征项的分布情况,并结合模糊熵的计算作为漏洞特征提取的依据,通过SVM进行分类学习,对漏洞进行分类.仿真实验表明,基于模糊熵特征选择算法的SVM的漏洞分类方法实际可行,且分类准确率高于基于KNN和最大熵模型的分类方法,具有一定的研究意义.     

基于Boruta-PSO-SVM的股票收益率研究

针对股票收益率的分类预测研究中支持向量机(SVM)存在的参数选择困难以及分类性能较差的问题,提出了一种基于特征选择(Boruta算法)和粒子群优化(PSO)算法SVM的新算法.通过Boruta算法对训练集进行特征选择,剔除无价值的特征以降低输入维度,同时引入PSO算法优化SVM核函数参数,从而提高SVM的分类性能.实验结果表明:相比决策树、神经网络及极限学习机算法,新算法取得了更高的分类精度,可以有效提高股票收益率的分类预测性能.     

局部证据RBF人体行为高层特征自相似融合识别研究

针对传统人体动作识别算法,往往重点解决某一类行为识别,不具有通用性的问题,提出一种局部证据RBF人体行为高层特征自相似融合识别算法。首先,借用随时间变化的广义自相似性概念,利用时空兴趣点光流场局部特征提取方法,构建基于自相似矩阵的人体行为局部特征描述;其次,在使用SVM算法进行独立个体行为识别后,利用所提出的证据理论RBF（Radial Basis Function）高层特征融合,实现分类结构优化,从而提高分类准确度;仿真实验表明,所提方案能够明显提高人体行为识别算法效率和识别准确率。     

一种新的图像识别算法

提出了一种图像的识别算法,首先对图像进行Gabor小波变换,为了解决图像中的平移、旋转、尺度不变性,以及局部遮挡问题,对滤波结果计算其4个不变矩作为反映整体形状特征的特征向量,再对提取的特征向量利用SVM算法进行图像检测,检测结果表明该算法具有较好的抗噪性并能解决目标检测中的遮挡问题.最后利用弹性网格的方法对其进行识别.文中的检测和识别结果表明,多通道的Gabor滤波器对于纹理图像的特征描述比较充分,该识别算法有比较理想的鲁棒性和容错性,能得到较好的识别结果.     

基于Trace变换和支持向量机的车牌字符识别新方法

为了提高车牌上的字符识别准确率,提出一种结合Trace变换和支撑矢量机（SVM）的字符识别方法.在字符识别方面,以Trace变换方法提取字符特征,并运用支持向量机对字符进行模式分类.将算法应用到实际的车牌字符识别中,识别结果表明,这种方法在提高识别速度的同时,有效提高了字符的识别精度.     

基于K型支持向量机的遥感图像分类新算法

为了提高遥感图像的分类精度和识别速度,提出了一种基于K型支持向量机（SVM）的遥感图像分类新算法,该算法将灰度共生矩阵提取的纹理特征与光谱特征相结合进行分类。对两组Landsat ETM+数据进行分类仿真实验,结果表明,在多光谱遥感图像的分类中,新算法提高了分类效率、分类精度和泛化能力,K型SVM是一种优于径向基函数SVM的分类器。     

支持向量机在显微图像分类中的应用研究

根据微生物显微图像中微生物形态各异、目标重叠、灰度接近等特性,提出了一种新的显微图像分类识别方法。该方法利用变差函数对微生物显微图像纹理信息进行特征提取,根据支持向量机模式识别原理建立分类识别模型。将该方法应用于两类微生物分类,并与基于神经网络方法的分类结果进行对比分析,结果表明,该方法具有较高的分类精度。     

基于二维局部保留映射的小样本掌纹识别

小样本生物识别是现实应用中一个较难解决的问题,通过有限训练样本很难得到满意的识别结果。因此,提出了一种新的小样本掌纹识别方法,利用改进的二维局部保留映射（I2DLPP）提取特征,并用支持向量机（SVM）分类。改进的二维局部保留映射是通过同时在行和列方向上进行2DPCA和2DLPP的投影实现的,从而降低了计算复杂度与特征维数;并且构建最近邻图是以图像内部的列为节点,保留更多内部流形结构,改善了识别效果。SVM是针对小样本识别的非常有效的分类工具,将两者结合可以显著提高小样本掌纹识别精度。实验结果证明了该方法的有效性。     

基于SVM的离线图像目标分类算法

目标分类是计算机视觉与模式识别领域的关键环节. SVM(支持向量机)是在统计学习理论基础上提出的一种新的机器学习方法.提出一种支持向量机结合梯度直方图特征的离线图像目标分类算法.首先对训练集进行预处理,然后对处理后的图片进行梯度直方图特征提取,最后通过训练得到可以检测图像目标的分类器.利用得到的分类器对测试图片进行测试,测试结果表明,对目标分类检测有良好的效果.     

基于MSER与SVM算法的车牌定位识别方法

针对实际车牌识别系统中车牌位置定位难、字符识别率低等问题,提出了一种基于MSER与SVM算法的车牌定位识别。该方法分为定位和识别两步,输入图像经过预处理,通过MSER与SVM算法直接提取出车牌的字符区域,然后将车牌字符图像裁剪送入识别阶段,识别阶段同样利用SVM算法对车牌字符进行识别。经验证,该车牌定位识别方法识别速度快、准确率高,能够适用于实际生活中较为复杂的交通环境。     

基于支持向量机的轮胎标识点形状识别

轮胎标识点在轮胎分类中发挥着重要的作用,为了解决人工识别标识点 工作强度大、误差较高等问题,提出了一种基于支持向量机的轮胎标识点形状识别算法。首 先利用中值滤波对标识点图像进行降噪处理,根据标识点图像的灰度直方图对图像进行分割 以去除背景,并利用Canny 边缘检测算子提取标识点边缘轮廓。然后,提取标识点轮廓的 傅立叶描述子系数,最后利用支持向量机对标识点的傅立叶描述子系数进行分类以识别标识 点的形状。实验结果表明,该算法能准确地识别出轮胎标识点的形状,提高了标识点识别效 率。     

顾及局部特性的CNN在遥感影像分类的应用

深度学习的方法在图像识别和自然语言处理等方面展示了优异的性能。将卷积神经网络（Convolution Neural Network,CNN）用于高分辨率遥感影像分类。针对CNN用于遥感影像分类使用固定大小窗口遍历时,影像采样窗口数量过多,导致的分类效率低下问题,提出一种基于影像区域特性的采样窗口确定方法,提高分类效率。影像分类包括两个阶段：首先,利用卷积神经网络得到的特征对影像进行分类;然后,采用支撑向量机对第一步分类由于特征区分性不足造成的错分地物类别进行再分类。采用具有不同特性的遥感影像对所提方法进行了验证,实验结果表明,同现有的特征表示和分类方法相比,该方法的性能有明显改善。