人民币纸币号码识别算法研究

为了提高人民币纸币号码识别算法的适应度,基于字符结构特征的思想,提出了一种利用多个相互补偿结构特征的人民币号码识别算法,并研究了包括人民币号码的图像定位、图像的二值化、单个字符分割、字符大小归一化等图像预处理过程。对人民币纸币号码的字母排列、数字排列以及它们的组合排列分别进行了算法设计,以字母、数字组合排列识别程序的部分流程图为例做了算法阐述。利用ARM嵌入式系统对三组识别程序进行了实验验证,并对实验过程中遇到的字符字体差异、字符干扰问题提出了应对方法。通过对三组识别程序识别正确率的统计可以看出,该算法有较高的识别精度,能较好地满足实际需求。     

基于聚类分析和Adaboost算法的绝缘子串识别

绝缘子串作为输电线路中最重要的基础设施之一,对其准确识别是实现运行状态监测与故障诊断的重要前提.为了提高绝缘子串识别的准确率,提出一种基于平聚类分析和Adaboost的绝缘子串识别方法.首先,利用LSD线段检测提取图像中的线段;然后,统计所有线段的长度、方向及中心点位置,通过聚类分析检测平行线段,初步确定绝缘子串区域;最后,提取初定位区域的不变矩特征,运用训练的Adaboost分类器进行进一步识别.实验中,绝缘子串在平均耗时0.23s的基础下识别准确率达到91.5％.结果表明,所提方法具有较好的识别准确率和快速性.     

基于结构特征的纸币号码识别方法

针对实际工程应用中对纸币号码识别在处理速度和识别率方面的高标准要求,提出了一种基于结构特征的纸币号码识别方法。该方法对采集到的图像先进行图像放大、二值化和字符分割等预处理操作,然后根据字符的结构特征,对字符进行分类、识别。该方法不需要图像去噪、倾斜校正和归一化等操作,节省大量时间。实验结果表明,该方法识别率可达98.13%,而识别时间仅为3.8 ms,显示出该方法具备识别率高和识别速度快的优势,能够满足实际需要,已经成功应用于清分机中。     

采用Adaboost算法进行面部表情识别

Adaboost是一种有效的分类器组合方法，它能够提高弱分类器的分类性能。利用Adaboost方法对面部表情进行识别，探讨了Adaboost与主成分分析法的几种结合方案。仿真结果表明这几种方案可行，且识别效果较好。     

纸币号码快速识别系统

开发了一种快速的纸币号自动识别系统,能在捆钞的同时自动识别并记录下通过捆钞机上的纸币号码。该系统首先通过CCD摄像头采集24位彩色图像,经过逻辑脊谷判断法分割、投影法定位、结构法识别几个过程输出号码串。实验结果表明,该系统组织设计的逻辑脊谷判断算法有效提取了号码图像,穿越号码体距离法定位号码准确,提出的号码识别系统取得了较高的识别率。     

基于模板匹配的纸币号码识别系统

设计了一种能准确识别纸币号码的系统;该系统首先通过CCD摄像头采集图像,然后经过图像处理、扫描法定位、模板匹配几个过程输出号码串;为了提高识别率,采用基于图像轮廓提取和利用图像上、下矩对字符进行粗分类的模板匹配算法,显著减少模板匹配的计算量;实验结果表明,该方法取得了较高的识别率,并且已经在一个实际的系统中得到应用.     

基于 Adaboost的手写体数字识别

提出了一种新的基于集成学习算法Adaboost的手写体数字识别系统。Adaboost方法可以在仅比随机预测略好的弱分类器基础上构建高精度的强分类器。实验证明,基于Adaboost的手写体数字识别系统具有较高的识别率和泛化能力,已经应用在OCR识别软件中。     

基于改进Adaboost集成学习的空间目标识别

针对空间目标的不合作性特点以及Adaboost集成学习算法的过拟合问题, 提出了一种基于组合特征和改进Adaboost的空间目标图像识别算法. 将空间目标图像的几何特征和变换特征进行融合, 从不同的方面更精确地描述目标信息, 并对Adaboost算法进行改进, 根据样本在权重上的分布情况, 在训练时进行分段更新权重, 从而缓解分类器的过拟合现象, 提高目标识别的稳定性. 通过仿真实验证明, 与传统的Adaboost算法相比, 本文算法在空间目标图像识别中取得了更好的效果.     

基于数字结构特征的发票号码识别算法

由于印章覆盖、发票折痕等干扰因素的存在,一些发票号码区域会出现噪声粘连区域,这些区域会导致发票号码无法正常分割。 针对这一问题,提出了噪声粘连区域修复算法,有效地避免了该情况对数字分割的影响。针对普通发票号码的字体结构和特点,提出了基于数字结构特征的发票号码识别算法。首先定义数字结构特征,包括4种填充区域、2种字符穿越数和4种镂空区域,构成待识别数字的10维特征向量;进而与标准模板库中数字进行模板特征匹配,求得距离最小值所对应的数字作为识别结果。将所提出的方法和基于改进的左右轮廓特征的印刷体数字识别方法进行对比,实验结果表明,本文所提出的识别算法拥有更高的准确率和更快的识别速度,以及对噪声 有更强的鲁棒性。     

基于Adaboost算法的行人检测

提出一种基于Adaboost算法的行人检测方法。Adaboost是将一组弱分类器通过一定的规则,结合成为一个强分类器,再把这些强分类器级联成为一个快速、准确的分类器。实验证明基于此算法的行人检测具有检测率高、速度快的特点,能够达到实时检测的要求。     

基于EREW的后序遍历二叉树算法

针对单处理器后序遍历二叉树的时间复杂度为O（n）问题,提出了在EREW PRAM并行计算模型下一种后序遍历二叉树的算法。将后序遍历二叉树的边构造一个单链表,使用指针跳越技术对单链表进行表序问题求解,从而得到后序遍历二叉树结点的顺序。得出了运用该算法将时间复杂度从O（n）减少到O（logn）的结论。     

非平衡二叉树多类支持向量机分类方法

提出一种新的基于非平衡二叉树的支持向量机多类别分类方法。该方法通过分析已知类别样本的先验分布知识,构造一个二叉决策树,使容易区分的类别从根节点开始逐层分割出来,以获得较高的推广能力。该方法解决了传统分类算法中所存在的不可分区域问题,在训练时只需构造N-1个SVM分类器,而测试时的判决次数小于N。将该方法应用于人脸识别实验。测试结果表明,与传统分类算法相比,该方法的平均分类时间是最少的。     

基于满二叉树的二分K-means聚类并行推荐算法

在推荐系统中应用K-means算法聚类可有效降维,然而聚类效果往往依赖于选定的初始中心,并且一旦选定目标簇后,推荐过程只针对目标簇进行,与其他簇无关。针对上述两个问题,提出一种基于满二叉树的二分K-means聚类并行推荐算法。该算法首先反复迭代二分K-means算法,迭代过程中使用簇内凝聚度作为分裂阈值,形成一颗满二叉树;然后通过层次遍历将用户归入到K个叶子节点(簇);最后针对K个簇,应用MapReduce框架进行并行推荐预测。MovieLens上的实验结果表明,该算法可大幅度提高推荐系统准确性,同时增强系统可扩展性。     

采用二叉树结构生成概念格的算法

概念格是数据分析的一种有力工具。而二叉树在数据结构中具有简单的存储结构。给出了一类具有特殊结构的概念格,针对这种类型的概念格,采用二叉树的结构对概念格的节点进行重新的组织,研究了基于添加对象的渐进式生成概念格的算法。利用这种二叉树的结构,在某些情况下可以减少判断不变概念或更新概念的范围,同时,结合实例说明了这种算法的有效性。     

一种基于二叉树的数学公式抄袭检测算法

提出了一种基于二叉树的LaTeX格式数学公式抄袭检测算法。在待检测文档中提取数学公式,根据数学公式的LaTeX格式生成其二叉树表示,对树形结构作归一化处理得到结构码;在公式检测库中查找文件名为该结构码的数据表,若该数据表存在,则在数据表中查找与二叉树根结点公式元素和变量名归一化的先序遍历序列都相同的记录;根据查找结果确定数学公式是否为抄袭。实验结果表明,该算法准确地实现了数学公式的抄袭检测,是一种较实用的算法。     

基于Adaboost算法和BP神经网络的税收预测

针对传统税收预测模型精度较低的问题,提出一种将Adaboost算法和BP神经网络相结合进行税收预测的方法。该方法首先对历年税收数据进行预处理并初始化测试数据分布权值;然后初始化BP神经网络权值和阈值,并将BP神经网络作为弱预测器对税收数据进行反复训练和调整权值;最后使用Adaboost算法将得到的多个BP神经网络弱预测器组成新的强预测器并进行预测。通过对我国1990—2010年税收数据进行仿真实验,结果表明该方法相比传统BP网络预测,平均误差相对值从0.50%减少到0.18%,有效地降低了单个BP陷入局部极小的影响,提高了网络预测精度。     

基于Adaboost算法的虹膜合格状态检测

虹膜图像的采集是业界公认的难点,也是制约虹膜识别广泛应用的主要原因。怎样快速方便地采集到一幅清晰度足够并且有丰富纹理的高质量虹膜图像,对虹膜识别的速度和准确度都起着至关重要的作用。提出了一种基于Adaboost的虹膜图像合格状态检测和定位算法,能够快速有效地一次性检测出虹膜图像采集中的各种不合格图像,例如图像中没有完整眼睛、眼睛睁开程度不够、闭眼、斜视、运动模糊等。大量实验结果表明,该算法具有较好的检测准确率,对各种干扰情况有较强的鲁棒性,并且检测速度快,能够达到实时要求。对于检测合格的图像,还可以大致定位出虹膜在图像中的位置,为后续的虹膜定位节省时间。