论文部分内容阅读
Example Based Everything
【出 处】
：
软件学报
【发表日期】
：
2000年09期
其他文献
本文研究一种新的数字识别方法 ,这种方法用小波神经网络抽取特征、用多模块结构神经网络作模式分类器。小波分解的函数近似能力和人工神经网络的学习能力结合起来形成的小波神经网络 ,有着良好的特征描述性能 ,可用作特征抽取工具。多模块结构的神经网络将一个k类的模式分类问题转换为k个互相独立的 2类分类问题。这种结构将一个复杂的分类问题化解为多个简单的分类问题 ,各个模块互相并联 ,各自负责一种模式的识别。
期刊
本文提出一种联机识别自然手写体汉字的多分类器集成模型。该模型中 ,我们把依照 0 1、WB和SO特征码设计的不同分类器进行集成 ,综合模式多种全局和局部特征 ,从汉字的多个结构层进行识别。初步实验结果为 ,识别率 98.6 %。
期刊
介绍了提取指纹图像方向信息的两种算法 :预定方向逼近法和 Rao改进型算法 ,指出了这两种算法的局限性。在此基础上提出了一种新的提取指纹图像方向信息的方法。实验结果表明 ,新方法明显提高了指纹图像方向信息的提取精度 ,在运算速度上也有很大提高
期刊
为克服基于传统 L2 准则的有损图像压缩算法难以准确控制每一像素值的误差范围 ,因而可能丢失指纹图像特殊细节的缺点 ,提出了一个在 L∞ 准则严格约束下针对灰度指纹图像的高质量图像压缩算法。该算法以当前性能最优的无损图像压缩算法 CAL IC为基础 ,结合了根据指纹局部纹线走向所设计的分类线性预测器 ,并提出了准无损模式下根据量化器对熵编码器自适应调节的方案。对一组真实灰度指纹图像的实验结果表明
期刊
掌纹自动识别是对基于生物统计学的身份鉴别的重要补充。论文尝试了对掌纹图像代数特征的提取 ,并设计了基于 K- L变换的掌纹自动识别方法。实验表明 ,这种方法能够取得很好的识别效果 ,即使对于低分辨率下的图像也有较高的识别率。在此基础上结合子空间法模式识别理论 ,提出了双子空间掌纹自动识别方法。并用双子空间对各类样本的空间分布进行了更加精细的刻画。然后采用分层最小距离分类器实现掌纹识别 ,使识别率和
期刊
为获得具有强推广能力、高效的识别算法 ,提出了基于模糊超椭球聚类的模糊超椭球分类算法 ,并且用于无约束手写体数字的识别。模糊超椭球聚类能充分利用训练样本集的分布信息 ,运用较少的类别个数来表征复杂的样本分布 ,获得良好的识别效果和推广能力。在此基础上 ,模糊超椭球分类算法加入了有监督的控制 ,使算法在聚类过程中可以确定合适的类别数 ,使学习结果能更好地反映训练集的概率分布。然后 ,采用学习矢量量化
期刊
提出了自适应多尺度边缘检测算法及其快速实现办法 .算法通过自适应确定边缘像元的最佳滤波尺度来检测边缘 ,计算量较小 .同时提出了一种自适应确定一幅图像边缘的尺度范围的方法 ,并为描述边缘特性增加了一个边缘尺度参数 .用于检测实际图像边缘的实验结果是令人满意的
期刊