基于软K段主曲线的LPR字符特征的提取方法

车牌识别是智能交通系统的重要组成部分,提高车牌字符识别率的关键在于提取字符的特征。主曲线是主成分分析的非线性推广,它是通过数据分布“中间”并满足“自相合”的光滑曲线。通过对现有主曲线算法的分析可知:软K段主曲线算法对提取分布在弯曲度很大或相交曲线周围的数据的主曲线的效果较好。因此,尝试用该主曲线算法来提取车牌字符的结构特征。实验结果表明,利用该主曲线算法来提取车牌识别的结构特征能够取得较好的实验效果。所提方法为提取 车牌字符特征的研究提供了一条新途径。     

基于K段主曲线算法的手绘形状识别

提出了利用主曲线算法对人机交互中广泛使用的脱机手绘形状的识别。利用改进K段主曲线方法对学习样本点提取主干线,然后对被测试样本计算到主曲线的投影点的距离的均方差,识别是基于对目标主曲线的距离均方差最小。实验证明该算法也是比较有效的一种形状识别算法。     

基于主曲线算法的手写字符特征分析与提取

模式特征的提取与选择是提高手写体字符识别率的关键因素。主曲线是主成分分析的非线性推广,它是通过数据分布“中间”并满足“自相合”的光滑曲线,能够很好地描述数据分布的结构特征。利用软K段主曲线算法提取训练数据的特征,在分析手写体字符结构特点的基础上,选出手写体字符识别所使用的粗分类与细分类特征,利用这些分类特征对手写字符进行识别。该方法在CEDAR手写体数字和字符数据库上的实验表明：选取的分类特征能够有效区分相似的手写体字符,提高手写字符的识别率,为脱机手写字符识别研究提供了一种新的方法。     

基于主曲线的相似字符模糊分类方法

要提高手写字符的识别率,抽取方法,它是通过数据分布"中间"并满足"自相合"的光滑曲线,较好地反映了数据分布的结构特征.本文尝试用主曲线这种新的方法来提取手写字符的结构特征,并基于这些特征来对相似字符进行模糊分类.所提方法在CE-DAR和OCRD手写体字符数据库上的实验结果表明:该方法不但是可行的,而且能有效提高相似字符的识别率.它为字符识别的研究提供了一条新途径.     

基于软K段主曲线的信号细微特征识别

为解决同型号电台信号识别问题,针对具有同步头的信号,根据噪声在频域分布于底层的特点,从频域角度出发,建立基于软K段主曲线算法的功率谱骨架模型。将谱骨架作为暂态特征,计算其信息维数和盒维数,将得到的分形维数使用SVM分类器进行训练,实现对不同电台发送的相同数据波形信号的识别。实验结果表明,在信噪比较低的情况下,该方法可以有效识别电台,识别率仍可达到80%以上。     

基于MapReduce框架的分布式软K段主曲线算法

传统的主曲线算法在小规模数据集上能获得良好的效果,但单节点的计算和存储能力都不能满足海量数据主曲线的提取要求,而算法分布式并行化是目前解决该类问题最有效的途径之一。本文提出基于MapReduce框架的分布式软K段主曲线算法 (Distributed soft ｋ-segments principal curve,DisSKPC)。首先,基于分布式K-Means算法,采用递归粒化方法对数据集进行粒化,以确定粒的大小并保证粒中数据的关联性。然后调用软K段主曲线算法计算每个粒数据的局部主成分线段,并提出用噪声方差来消除在高密集、高曲率的数据区域可能产生的过拟合线段。最后借助哈密顿路径和贪婪算法连接这些局部主成分线段,形成一条通过数据云中间的最佳曲线。实验结果表明,本文所提出的DisSKPC算法具有良好的可行性和扩展性。     

基于主曲线的脱机手写数字结构特征分析及选取

要提高脱机手写数字识别的识别率,关键是特征的提取与选择．主曲线是主成分分析的非线性推广,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．在数字特征选取中,首先将主曲线用于训练数据的特征提取;其次在详细分析数字主曲线的结构特点的基础上,选择出用于数字识别的粗分类、细分类特征;最后在对手写数字进行识别时,先进行粗分类再进行细分类．所提方法在Concordia大学的CENPARMI手写体数字数据库上的实验结果表明：利用这些特征能有效区分相似字符,提高了手写数字的识别率,为脱机手写数字识别的研究提供了一条新途径。     

基于主曲线的脱机手写英文字母结构特征分析及选取

要提高脱机手写英文字母识别的识别率,关键是特征的提取与有效鉴别特征的抽取。主曲线是主成分分析的非线性推广,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。首先将主曲线用于训练数据的特征提取;其次在详细分析字母主曲线的结构特点的基础上,选择出用于字母识别的粗分类、细分类特征;最后在对手写字母进行识别时,先用这些特征进行一级分类;对个别不能很好区分的相似字母用模糊数学方法进行二级模糊分类。所提方法在CEDAR手写体小写字母数据库上的实验结果表明:利用这些特征能有效区分相似字母,提高手写小写英文字母的识别率,不但能为脱机手写小写英文字母识别的研究提供一条新途径,而且能为手写单词识别提供有用信息。     

改进的软K段主曲线算法及其在指纹骨架提取中的应用

主曲线是一种基于非线性变换的特征提取方法,它是通过数 据分布“中间”并满足“自相合”的光滑曲线,能较好抽取出数据的结构特征。针对软K段 主曲线算法提取的指纹图像的骨架结构光滑度较差,而且提取的指纹图像骨架经常出现小圈 和短枝的现象,本文在对软K段主曲线算法和指纹图像数据特点分析的基础上,引入了一个 新的评判函数,并提出了改进的软K段主曲线算法,将该算法应用在提取指纹图像骨架上。 实验结果表明,改进的软K段主曲线算法在提取指纹图像骨架的效果和准确率上比原算法都 有明显提高。     

基于密度的改进K均值算法及实现

传统的K均值算法的初始聚类中心从数据集中随机产生,聚类结果很不稳定。提出一种基于密度算法优化初始聚类中心的改进K-means算法,该算法选择相互距离最远的k个处于高密度区域的点作为初始聚类中心。实验证明,改进的K-means算法能够消除对初始聚类中心的依赖,聚类结果有了较大的改进。     

基于结构特征的指纹匹配算法研究

基于结构特征的指纹匹配算法分为中心法与近邻法,两种方法各有其优缺点,近邻—中心法集中了两者的优点,是目前常用的指纹匹配算法,文章比较了该类的几种算法,并给出了一些实验结果。     

基于自相合性的主曲线的特性分析与研究

主曲线是穿过数据云“中间”的满足自相合性质的光滑曲线,它是线性主成分的非线性推广。在本文中,基于主曲线的自相合条件,构造一个微分方程,通过求解这个微分方程,我们得到了环形均匀分布的主曲线;通过对实验结果的分析与研究,我们得出了一些有趣的结论。     

基于结构特征的手写体数字识别算法

提出了基于结构特征的手写体数字识别方法。首先，采用14模板法进行细化，然后提取了点、线、圆等结构特征，并根据相关信息进行特征组合，最后采用粗细两阶段分类法进行分类。     

基于遗传算法的NURBS曲线降阶

采用遗传算法实现NURBS曲线直接降多阶。提出并证明了NURBS曲线保端点降阶的必要条件,在此基础上将NURBS曲线的节点序列、控制顶点和权用浮点数编码为基因个体,运用遗传算法,通过循环执行选择、交叉、变异求解得到最优解或者次优解。实例说明了采用该方法实现NURBS曲线降阶有较高的精确度。     

基于GHA的核主成分分析及其应用

文中提出了一种将GHA(Generalized Hebbian Algorithm)学习规则应用到核主成分分析的新方法,它结合了核主成分分析和GHA学习规则的优点,既能利用核主成分分析的方法方便地提取数据的非线性特征,又能避免在大样本数据的情况下运算复杂和存储空间大的问题。实验证明了该方法的可行性和高效性。