一种脱机手写签名认证方法

研究脱机签名认证的特征抽取和比较决策.针对脱机手写签名验证特点,提出一种主成分特征提取和径向基神经网络相结合的脱机手写签名认证方法.首先使用主成分特征提取算法对签名图像进行特征提取和降维处理,然后基于主成分特征设计径向基神经网络识别签名的真伪.实验结果表明该方法可取得较好的识别效果.     

基于BP神经网络的脱机手写数字识别

脱机手写体数字识别有着重大的使用价值,特征提取占据了重要的位置,本文针对手写体数字识别中单一识别方法的局限性,提出采用BP神经网络进行识别,并且提出了一种特征提取方法。采用BP神经网络,利用其良好的监督学习功能进行识别,结合提取的降维数字符号的特征,能较好的识别出手写数学符号。BP神经网络（Back-Propagation）,又称误差反向传递神经网络,是一种依靠反馈值来不断调整节点之间的连接权值而构建的一种网络模型。最后,在Mnist手写数据库上的试验结果表明,该方法具有较好的识别率和较高的可靠性。     

基于主曲线的脱机手写数字识别

该文提出了一种基于主曲线的脱机手写数字识别方法.该方法将主曲线及知识约简算法运用于识别模型中.主曲线是主成份分析的非线性推广,它是通过数据分布"中间"并满足"自相合"的光滑曲线.它较好地反映了数据分布的结构特征.粗糙集理论的知识约简是从决策表中获取决策(分类)规则的有效工具.本文将主曲线用于训练数据的特征提取,根据主曲线的特征生成决策表;利用我们提出的知识约简算法对决策表进行处理,自动获得分类规则.这种方法既符合人的识别习惯,又克服了利用统计特征识别所带来的不足.实验结果表明了该方法能有效提高手写数字的识别率,为脱机手写数字识别的研究提供了一条新途径.     

基于KPCA和RBF网络的文本分类研究

基于词空间的分类方法很难处理文本的高维特性和复杂相关性,为此文中提出了基于核的主成分分析和径向基神经网络的文本分类算法.首先利用核主成分分析选择合适的核函数从高维特征空间中提取文本向量的主成分,实现了文本输入空间的降维和语义特征空间的抽取,然后在语义特征空间中训练径向基神经网络分类器,并利用训练得到的分类器进行文本分类工作.实验结果表明:核主成分分析不仅实现了降维,而且能在大幅减减少径向基神经网络训练时间的基础上显著提高其分类精度.     

基于Hopfield的脱机手写数字识别理论及算法

脱机手写数字识别在很多领域具有广泛的应用前景,国内外学者对此做了大量的研究工作,提出了很多预处理和模式识别的算法,大大提高了手写数字的识别精度。为了提高手写数字识别的精度,文章将Hopfield神经网络应用于脱机手写数字识别分析中,Hopfield神经网络的“能量函数”的能量在网络运行过程中,具有不断地减少最后趋于稳定的平衡状态的特性,而且网络一旦建立即可自动运行,无需要训练。     

基于弹性网格特征和神经网络的手写文字识别

提出一种有效的文字特征提取方法,在传统弹性网格基础上,采取与对角弹性网格相结合的方法进行特征提取,然后通过改进的BP神经网络进行文字识别.该方法集合了弹性网格特征和神经网络的优势,可有效提高手写文字的识别率、识别速度以及识别系统的泛化能力.实践证明,该方法用于文字识别准确性较高.     

基于Hough变换的低分辨率雷达目标识别

针对低分辨率雷达目标的识别问题,提出了一种基于Hough变换的特征提取方法.通过对Hough变换后参数空间进行特征定义来描述参数空间灰度图像的纹理分布特点,进而描述图像空间目标的形状特征.文中利用该方法结合径向基函数神经网络对低分辨率雷达船只目标轮廓像进行特征提取并识别,取得了较高的识别率.     

基于径向基概率神经网络的雷达辐射源信号识别

雷达辐射源信号识别是电子情报系统和电子支援系统的重要组成部分。文章提出一种基于径向基概率神经网络的雷达辐射源信号识别方法，通过对几种典型雷达辐射源信号复杂度特征提取和采用径向基概率神经网络分类器进行分类识别的实验结果表明，文章所提出的方法是有效的，能在较宽的信噪比范围内获得满意的识别率。     

基于小波径向基网络的电力电子电路故障诊断

提出了一种基于小波径向基神经网络和主成分分析的电力电子故障诊断方法,该方法用小波变换和主成分分析对数据进行预处理,提取出有效故障特征信息,实现数据压缩,减少了神经网络的训练时间,选用径向基(RBF)网络为故障分类器,解决了BP网络容易陷入局部极小点的问题,提高了训练速度,并且具有诊断率高的特点.实例证明了该方法的有效性,并与其他诊断方法进行了对比.     

一种基于交点特征的印刷体数字识别方法

为了进一步提高印刷体的数字识别准确率,提出了一种基于交点特征和径向基函数神经网络的数字识别方法。首先利用交点特征对数字进行特征提取,即提取某一数字的划水平线得到的交点数作为水平特征分量,提取划垂直线得到的交点数作为垂直特征分量,将水平特征向量与垂直特征向量组合成数字的交点特征向量;然后利用径向基函数神经网络学习不同模式类别中的学习样本,学习过程完成后,利用此网络对样本进行识别。实验结果表明,该数字识别方法在印刷体数字识别中正确率可达到100%,处理效果良好。     

一种新的离线手写签名识别方法

脱线签名的验证较难,他仅依靠签名图像的静态信息,而书写过程中的动态信息几乎完全消失。针对脱线手写签名识别的特点,提出基于提升小波变换的特征选取方法,将传统的结构特征与统计特征有机结合起来。运用K-L变换对已提取的特征向量进行降维。最后通过支持向量机进行真伪识别。实验结果表明该算法对测试样本具有高识别率。     

脱机手写体汉字识别综述

脱机手写体汉字识别是模式识别领域最具挑战性的课题之一。本文分析了近年来脱机手写体汉字识别的最新进展,讨论了脱机手写体汉字分割、特征提取和分类器设计等关键技术的各种主流方法,介绍了3种典型的汉字识别数据库,并提出了脱机手写体汉字识别的难点问题和今后发展的趋势,为该领域的研究者指明研究方向,共同促进脱机手写体汉字识别技术的发展。     

基于矩和Gabor变换的手写体汉字识别方法

特征提取是手写体汉字识别的一个研究难点。本文提出了一种基于特征融合的新提取方法,即将Gabor变换和正交矩变换结合起来,用正交Zernike矩提取全局特征,用Gabor变换提取局部特征,然后使用主成分分析的方法进行特征压缩。由此得到的特征向量能从整体上和局部上反映汉字的特征。实验证明该方法是行之有效的。     

Algorithm for stroke width compensation of handwritten characters

An algorithm is proposed to compensate the stroke width of a handwritten character image. This can make character feature extraction and recognition more accurate in practical applications     

基于压缩感知的阅卷系统手写汉字识别算法

针对阅卷系统中手写汉字识别率和识别精度低的问题,文中提出一种基于压缩感知理论的阅卷系统手写汉字识别算法。该算法首先对阅卷系统手写汉字图像进行随机采样得到其特征;然后对其进行稀疏表示,并最小化其l1范数以得到样本的稀疏解;最后利用该稀疏解的系数判别测试样本的类别。该方法用对信号的随机采样替代了传统的特征提取方法,简化了算法的实现过程,同时用现有的训练样本组成训练字典,避免了复杂的训练过程。该算法在手写汉字数据库ETL9B上的识别率达到99.1%。     

基于改进的支持向量机的脱机中文签名验证

采用支持向量机算法来验证脱机中文签名。针对支持向量机算法的不足,将粗糙集和支持向量机相结合,利用粗糙集理论对数据属性进行约简,在某种程度上减少支持向量机求解的计算量。不但避免了特征提取中维数灾问题,还有效改善了训练时间。实验结果表明：粗糙集和支持向量机算法应用于离线签名识别,在相同条件下的识别效果优于支持向量机算法。     

基于笔划提取和合并的离线手写体汉字字符切分算法

手写体汉字字符切分是离线汉字字符识别预处理中的一个重要问题，针对离线手写体汉字，提出一种基于笔划提取和合并的手写体汉字字符切分算法。该算法首先基于方向游程提取汉字的笔划，并建立笔划框，再根据汉字笔划的结构知识对笔划框进行合并，得到字符的切分结果。该算法能较好地解决粘连汉字字符的切分问题，对从现场随机采集的2500封手写体信函地址汉字进行切分，单字正确率可达91．5％。     

基于RBF-NN的压印凹凸字符质量检测研究

提出了在灰度图像上直接提取压印字符的圆周投影和径向投影特征、基于径向基函数神经网络（RBF—NN）的压印凹凸字符质量检测新方法。检测实验表明，在灰度图像上提取检测特征，不仅保留了压印字符的原始特征，增强了抗干扰性，而且摈弃了复杂的字符图像二值化算法，减少了检测用时。该方法的检测速度为240字符／min，正确率为98．77％，满足标牌压印机的在线检测要求。     

基于特征不变矩的签名鉴别方案

脱机手写签名鉴别的主要困难在于有效特征的提取,因此本文主要围绕提取能反映签名本质的特征进行了相关研究。在具体解决签名鉴别时,一方面要考虑签名的静态特征,另一方面寻找动态特征。重点研究了静态特征。提取静态特征时,利用伪Zernike矩的尺度及位移不变性,计算签名图像的0~10阶伪Zernike矩来组成特征向量。在此基础上,对基于上述两种不同特征的加权欧氏距离分类器进行性能比较,并找到了一个有效的数据融合方案。