首页 | 本学科首页   官方微博 | 高级检索  
     

基于分数本征特征的手写数字识别
引用本文:孟庆宇,刘本永,姚宏达. 基于分数本征特征的手写数字识别[J]. 电子科技大学学报(自然科学版), 2006, 35(3): 289-291
作者姓名:孟庆宇  刘本永  姚宏达
作者单位:电子科技大学电子工程学院,成都,610054;电子科技大学电子工程学院,成都,610054;电子科技大学电子工程学院,成都,610054
基金项目:教育部科学技术基金,国防科技重点实验室基金
摘    要:特征提取是手写体数字识别研究中的重要问题,有效、稳定的特征是提高识别率和识别精度的关键。该文提出了一种基于分数本征特征和核非线性分类器的手写数字识别方法,首先找到时频平面的一个轴进行分数傅里叶变换,使不同类别样本在这个轴上最大限度地分开,然后用主元分析进行降维,得到比较稳健的低维特征,再将常用分类器用于特征分类,实现对手写数字的识别。对实际数据进行实验,结果表明上述本征特征与核非线性分类器相结合有较高的识别率和训练、分类效率。

关 键 词:分数傅里叶变换  主元分析  特征提取  手写数字识别  核非线性分类器
收稿时间:2005-10-08
修稿时间:2005-10-08

Handwritten Numeral Recognition Based on Fractional Eigenfeatures
MENG Qing-yu,LIU Ben-yong,YAO Hong-da. Handwritten Numeral Recognition Based on Fractional Eigenfeatures[J]. Journal of University of Electronic Science and Technology of China, 2006, 35(3): 289-291
Authors:MENG Qing-yu  LIU Ben-yong  YAO Hong-da
Affiliation:1.School of Electronic Engineering,Univ. of Elec. Sci. & Tech. of China Chengdu 610054
Abstract:Feature extraction is an important part in handwritten numeral recognition. Efficient and robust feature is a key to improving recognition rate and efficiency. This paper adopts fractional Fourier transform and principal component analysis to extract robust and compact features called fractional eigenafeatures. In classification, five kernel-based nonlinear classifiers, Parzen and robust Parzen classifiers, radial basis function classifier, support vector classifier, and kernel-based nonlinear representor are applied and compared. Experimental results show the effects and efficiency of the proposed algorithm.
Keywords:fractional Fourier transform   principal component analysis   feature extraction   handwriting numeral recognition   kernel-based nonlinear classifiers
本文献已被 维普 万方数据 等数据库收录!
点击此处可从《电子科技大学学报(自然科学版)》浏览原始摘要信息
点击此处可从《电子科技大学学报(自然科学版)》下载全文
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号