

版權(quán)說(shuō)明:本文檔由用戶(hù)提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、中國(guó)古漢字記錄了大量的政治、經(jīng)濟(jì)、歷史等資料,具有很高的史料價(jià)值。古漢字具有筆劃不規(guī)則、異體字繁多等特點(diǎn),以碑刻和帛書(shū)等形式出現(xiàn)的古漢字,殘損較為嚴(yán)重,上述特點(diǎn)使得古漢字識(shí)別非常困難。利用圖像處理技術(shù)識(shí)別古漢字,解決古籍電子化進(jìn)程中的流通和典藏困難,對(duì)民族文化的繼承和發(fā)展具有重要的意義。
由于古漢字的異體字與局部形變大量存在,現(xiàn)有的圖像識(shí)別方法難以獲得準(zhǔn)確結(jié)果。支持向量機(jī)具有小樣本下的強(qiáng)泛化與抗噪能力,在圖像識(shí)別中已被廣泛應(yīng)用
2、。本文將混合核最小方差支持向量機(jī)(LS-SVM)結(jié)合圖像特征抽取、曲波變換等實(shí)現(xiàn)古漢字的圖像識(shí)別,主要工作和結(jié)論如下:
1.針對(duì)古漢字間的高度相似性導(dǎo)致誤分類(lèi)率高的問(wèn)題,對(duì)傳統(tǒng)的支持向量機(jī)進(jìn)行改進(jìn),采用混合核加權(quán)LS-SVM進(jìn)行分類(lèi)識(shí)別。混合核加權(quán)LS-SVM可以減少異常樣本的負(fù)面影響,避免出現(xiàn)分類(lèi)越好或者越壞點(diǎn)的懲罰也越大的情況,提高分類(lèi)的準(zhǔn)確率。
2.研究了時(shí)域多特征融合的特征提取方法。提取部件結(jié)構(gòu)特征與整體廣義
3、密度特征作為全局特征,該全局特征具有魯棒性強(qiáng)和算法復(fù)雜度低等特點(diǎn);提取網(wǎng)格筆劃特征與偽二維彈性網(wǎng)格內(nèi)的局部點(diǎn)密度特征作為局部特征,所提的局部特征對(duì)于局部形變有很好的吸收能力。將提取的全局特征和局部特征融合后作為分類(lèi)器的特征輸入。
3.針對(duì)古漢字筆劃多為不規(guī)則曲線(xiàn)導(dǎo)致分類(lèi)率不高的問(wèn)題,利用二代曲波變換提取古漢字的頻域特征,研究了頻域多特征融合的特征提取方法。采用快速離散二代曲波變換對(duì)古漢字圖像進(jìn)行多分辨率分解,對(duì)不同分辨率下的古
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶(hù)因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于多特征融合SVM的古漢字圖像識(shí)別研究.pdf
- 基于LS-SVM目標(biāo)識(shí)別的研究.pdf
- 基于LS-SVM的入侵檢測(cè).pdf
- 基于LS-SVM雷達(dá)目標(biāo)識(shí)別算法的FPGA設(shè)計(jì).pdf
- 基于EEMD和模糊LS-SVM的人體動(dòng)作識(shí)別研究.pdf
- 基于GMM與改進(jìn)LS-SVM算法的說(shuō)話(huà)人識(shí)別研究.pdf
- 生物反應(yīng)過(guò)程的混合核LS-SVM軟測(cè)量建模與應(yīng)用研究.pdf
- 基于LS-SVM的多標(biāo)簽分類(lèi)算法.pdf
- 基于LS-SVM的fMRI數(shù)據(jù)分析.pdf
- 基于LS-SVM的混合料粒度分布軟測(cè)量方法研究.pdf
- 基于LS-SVM的常微分方程求解.pdf
- 基于LS-SVM的軟測(cè)量建模方法研究.pdf
- 基于屬性約簡(jiǎn)及LS-SVM的人耳識(shí)別技術(shù)研究.pdf
- 基于dSPACE的混合磁懸浮軸承的LS-SVM逆解耦控制.pdf
- 基于多核模糊LS-SVM的廣義預(yù)測(cè)控制.pdf
- 基于LS-SVM的軸承故障趨勢(shì)預(yù)測(cè)方法研究.pdf
- 基于Zynq的LS-SVM算法加速器設(shè)計(jì).pdf
- 基于LS-SVM的非線(xiàn)性預(yù)測(cè)控制研究.pdf
- 基于SVM混合核函數(shù)的人臉識(shí)別.pdf
- 基于LS-SVM的工業(yè)過(guò)程軟測(cè)量建模方法研究.pdf
評(píng)論
0/150
提交評(píng)論