基于分数本征特征的手写数字识别

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于分数本征特征的手写数字识别

孟庆宇, 刘本永, 姚宏达

文章导航 > 电子科技大学学报 > 2006 > 35(3): 289-291

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, 2006, 35(3): 289-291.

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, 2006, 35(3): 289-291.

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.

Citation:

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.

基于分数本征特征的手写数字识别

1.
电子科技大学电子工程学院成都 610054

基金项目:

教育部科技研究重点项目(105150);ATR国防科技重点实验室项目

作者简介:
孟庆宇(1982-),男,硕士生,主要从事信号处理与模式识别方面的研究.

中图分类号: TN911.7;TP391

Handwritten Numeral Recognition Based on Fractional Eigenfeatures

1.
School of Electronic Engineering,Univ. of Elec. Sci. & Tech. of China Chengdu 610054

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。
- 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
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.
- fractional Fourier transform /
- principal component analysis /
- feature extraction /
- handwriting numeral recognition /
- kernel-based nonlinear classifiers

[1]	石东子, 林宏辉, 刘一江, 张鑫. 面向骨架手势识别的全局时空可变形网络 . 电子科技大学学报, 2024, 53(1): 60-66. doi: 10.12178/1001-0548.2022401
[2]	郭磊, 林啸宇, 王勇, 陈正武, 常伟. 基于深度学习的直升机旋翼声信号检测与识别一体化算法 . 电子科技大学学报, 2023, 52(6): 925-931. doi: 10.12178/1001-0548.2023108
[3]	董帅, 李文生, 张文强, 邹昆. 基于多视图循环神经网络的三维物体识别 . 电子科技大学学报, 2020, 49(2): 269-275. doi: 10.12178/1001-0548.2019017
[4]	胡青松, 张亮, 丁娟, 李世银. 人体动作数据编码与CNN精确识别 . 电子科技大学学报, 2020, 49(3): 473-480. doi: 10.12178/1001-0548.2019108
[5]	高军峰, 张家琦, 韦思宏, 彭丝雨, 周到. 冰毒成瘾者脑电信号的分类研究 . 电子科技大学学报, 2020, 49(6): 955-960. doi: 10.12178/1001-0548.2020013
[6]	杨旺功, 淮永建, 张福泉. 基于Gabor及深度神经网络的葡萄种子分类 . 电子科技大学学报, 2020, 49(1): 131-138. doi: 10.12178/1001-0548.2019164
[7]	吴斌, 王利龙, 邵延华. 改进双向二维局部保持投影的人脸识别算法 . 电子科技大学学报, 2019, 48(6): 904-909, 924. doi: 10.3969/j.issn.1001-0548.2019.06.015
[8]	田坤, 李晋. 太赫兹频段微动特征边缘检测及提取方法 . 电子科技大学学报, 2018, 47(1): 19-24, 36. doi: 10.3969/j.issn.1001-0548.2018.01.003
[9]	戴晓爱, 郭守恒, 任淯, 杨晓霞, 刘汉湖. 基于堆栈式稀疏自编码器的高光谱影像分类 . 电子科技大学学报, 2016, 45(3): 382-386. doi: 10.3969/j.issn.1001-0548.2016.02.012
[10]	黄颖, 王文斌, 郑弘晖. 基于代数多重网格的图像传感器物体识别技术 . 电子科技大学学报, 2015, 44(5): 743-748. doi: 10.3969/j.issn.1001-0548.2015.05.018
[11]	闫海, 李国辉, 李建勋. 雷达抗欺骗式干扰信号特征提取方法 . 电子科技大学学报, 2015, 44(1): 50-54. doi: 10.3969/j.issn.1001-0548.2015.01.008
[12]	龙文, 马坤, 辛阳, 杨义先. 适用于协议特征提取的关联规则改进算法 . 电子科技大学学报, 2010, 39(2): 302-305. doi: 10.3969/j.issn.1001-0548.2010.02.032
[13]	李建勋, 唐斌, 吕强. 双谱特征提取在欺骗式干扰方式识别中的应用 . 电子科技大学学报, 2009, 38(3): 329-332. doi: 10.3969/j.issn.1001-0548.2009.03.003
[14]	刘德平, 刘晓宇, 陈建军. 逆向工程特征参数提取技术研究 . 电子科技大学学报, 2008, 37(3): 474-477.
[15]	于雪莲, 刘本永. 最优的核判别分析用于雷达目标识别 . 电子科技大学学报, 2008, 37(6): 883-885,937.
[16]	刘贵松, 王晓彬. 采用自适应GHA神经网络的分类器设计 . 电子科技大学学报, 2007, 36(6): 1241-1244.
[17]	孙鑫, 刘本永. 基于局部本征谱的人脸识别 . 电子科技大学学报, 2005, 34(4): 493-496.
[18]	韩春林, 雷飞, 王建国, 向敬成. 合成孔径雷达图像目标分类研究 . 电子科技大学学报, 2004, 33(1): 1-4.
[19]	刘鸿雁, 李琦, 杨东伟. 利用端点方向修复数字笔划的一种方法 . 电子科技大学学报, 2001, 30(5): 516-519.
[20]	王贵新, 刘建胜, 居琰, 汪同庆, 彭健, 杨波. “有效行”特征对手写体字符的识别 . 电子科技大学学报, 2001, 30(3): 287-291.

WeChat

点击查看大图

计量

文章访问数: 3766
HTML全文浏览量: 312
PDF下载量: 93
被引次数: 0

基于分数本征特征的手写数字识别

1. 电子科技大学电子工程学院成都 610054

基金项目:

教育部科技研究重点项目(105150);ATR国防科技重点实验室项目

作者简介:
孟庆宇(1982-),男,硕士生,主要从事信号处理与模式识别方面的研究.

收稿日期: 2005-10-08
刊出日期: 2006-06-15

中图分类号: TN911.7;TP391

关键词:

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。

English Abstract

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, 2006, 35(3): 289-291.

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, 2006, 35(3): 289-291.

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.

Citation:

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.

全文HTML

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回

期刊在线

编辑办公

友情链接

电子科技大学

版权所有 © 《电子科技大学学报》编辑部

地址: 成都市建设北路二段四号电子科技大学主楼中350室电话: 028-83202308,83207559 Email: xuebao@uestc.edu.cn

本系统由北京仁和汇智信息技术有限公司开发