專利名稱：一種基于李群結(jié)構(gòu)數(shù)據(jù)的手寫體數(shù)字識別方法及系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及手寫體數(shù)字識別技術(shù)領(lǐng)域，更具體地說，涉及一種基于李群結(jié)構(gòu)數(shù)據(jù)的手寫體數(shù)字識別方法及系統(tǒng)。
背景技術(shù)：
近年來隨著計算機技術(shù)和數(shù)字圖像處理技術(shù)的飛速發(fā)展，手寫體數(shù)字識別技術(shù)在大規(guī)模數(shù)據(jù)統(tǒng)計，郵件分揀，財務(wù)、稅務(wù)和金融領(lǐng)域中得到了廣泛的應(yīng)用，于此同時，隨著機器學(xué)習(xí)技術(shù)的普及應(yīng)用，很多物理學(xué)家和化學(xué)家開始廣泛使用李群理論研究相關(guān)領(lǐng)域的數(shù)據(jù)。相應(yīng)的，在手寫體數(shù)字識別技術(shù)領(lǐng)域，李群結(jié)構(gòu)數(shù)據(jù)以其良好的數(shù)學(xué)結(jié)構(gòu)已被廣泛應(yīng)用。目前，基于李群結(jié)構(gòu)數(shù)據(jù)的手寫體數(shù)字識別一般都是通過分類算法建立分類器模型，從而對手寫體數(shù)字圖像的李群結(jié)構(gòu)數(shù)據(jù)進行分類處理，得到分類器輸出結(jié)果，進而依據(jù) 分類器的輸出結(jié)果獲得手寫體數(shù)字的識別結(jié)果?，F(xiàn)有技術(shù)常用的分類算法為李群Fisher算法，李群Fisher算法需對原始的李群結(jié)構(gòu)數(shù)據(jù)進行ー個線性變換投影，使得同類數(shù)據(jù)盡量投影到一起，不同類數(shù)據(jù)盡可能地遠(yuǎn)離，雖然投影后的數(shù)據(jù)具有很好的可分性，但采用線性分類方法的李群Fisher算法必然不能捕獲李群結(jié)構(gòu)數(shù)據(jù)的非線性特征，這就造成李群Fisher算法在處理李群結(jié)構(gòu)數(shù)據(jù)的非線性特征上存在一定缺陷。

發(fā)明內(nèi)容
有鑒于此，本發(fā)明提供一種基于李群結(jié)構(gòu)數(shù)據(jù)的手寫體數(shù)字識別方法及系統(tǒng)，以解決現(xiàn)有的手寫體數(shù)字識別技術(shù)在處理李群結(jié)構(gòu)數(shù)據(jù)的非線性特征上存在的缺陷，以實現(xiàn)李群結(jié)構(gòu)數(shù)據(jù)的非線性處理。為實現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案一種基于李群結(jié)構(gòu)數(shù)據(jù)的手寫體數(shù)字識別方法，包括步驟A.從原始的手寫體數(shù)字圖像數(shù)據(jù)中提取對應(yīng)數(shù)量的李群結(jié)構(gòu)數(shù)據(jù)；B.將李群結(jié)構(gòu)數(shù)據(jù)與其對應(yīng)的手寫體數(shù)字圖像數(shù)據(jù)的類別標(biāo)簽的對應(yīng)關(guān)系作為訓(xùn)練樣本，得到與所述對應(yīng)數(shù)量的李群結(jié)構(gòu)數(shù)據(jù)相對應(yīng)的訓(xùn)練樣本集合，同時構(gòu)造處理李群結(jié)構(gòu)數(shù)據(jù)的矩陣高斯核函數(shù)
權(quán)利要求
1.一種基于李群結(jié)構(gòu)數(shù)據(jù)的手寫體數(shù)字識別方法，其特征在于，包括步驟 A.從原始的手寫體數(shù)字圖像數(shù)據(jù)中提取對應(yīng)數(shù)量的李群結(jié)構(gòu)數(shù)據(jù)； B.將李群結(jié)構(gòu)數(shù)據(jù)與其對應(yīng)的手寫體數(shù)字圖像數(shù)據(jù)的類別標(biāo)簽的對應(yīng)關(guān)系作為訓(xùn)練樣本，得到與所述對應(yīng)數(shù)量的李群結(jié)構(gòu)數(shù)據(jù)相對應(yīng)的訓(xùn)練樣本集合，同時構(gòu)造處理李群結(jié)構(gòu)數(shù)據(jù)的矩陣高斯核函數(shù)
2.根據(jù)權(quán)利要求I所述的方法，其特征在于，所述步驟C具體為 從所述訓(xùn)練樣本集合中任取兩類類別標(biāo)簽對應(yīng)的樣本，得到c取2的組合數(shù)個組合，c為手寫體數(shù)字圖像數(shù)據(jù)的類別數(shù)，每個組合包含兩類類別標(biāo)簽對應(yīng)的樣本，以每個組合為單位，分別利用支持向量機算法，以所述矩陣高斯核函數(shù)為核函數(shù)，輸入各組合對應(yīng)的樣本，訓(xùn)練得到C取2的組合數(shù)個分類器模型。
3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述步驟C包括 Cl.從所述訓(xùn)練樣本集合中任取兩類類別標(biāo)簽對應(yīng)的樣本，得到c取2的組合數(shù)個組合； C2.提取包含i，j兩類樣本的組合，i，j均e {1，. ..c}，且iデj，執(zhí)行訓(xùn)練分類器模型的流程令
4.根據(jù)權(quán)利要求2或3所述的方法，其特征在于，所述步驟D具體為 將待測手寫體數(shù)字圖像數(shù)據(jù)對應(yīng)的李群結(jié)構(gòu)數(shù)據(jù)分別輸入到所述c取2的組合數(shù)個分類器模型中，一個李群結(jié)構(gòu)數(shù)據(jù)得到對應(yīng)的c取2的組合數(shù)個分類器輸出結(jié)果，統(tǒng)計所述輸出結(jié)果中該李群結(jié)構(gòu)數(shù)據(jù)被分為c類中某ー類的值，并從中尋找最大值，將所述最大值確定為該李群結(jié)構(gòu)數(shù)據(jù)對應(yīng)的手寫體數(shù)字圖像數(shù)據(jù)的數(shù)字類別。
5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述統(tǒng)計所述輸出結(jié)果中該李群結(jié)構(gòu)數(shù)據(jù)被分為c類中某一類的值具體為 依據(jù)公式X fij ^),ie統(tǒng)計所述輸出結(jié)果中該李群結(jié)構(gòu)數(shù)據(jù)被分為7 = Iパ·式j(luò)i類的值； 所述從中尋找最大值具體為 依據(jù)公式/ ) = max Σ fv (z ノ尋找最大值。 / = I …c / = I，/ 關(guān) j
6.一種基于李群結(jié)構(gòu)數(shù)據(jù)的手寫體數(shù)字識別系統(tǒng)，其特征在于，包括 李群結(jié)構(gòu)數(shù)據(jù)提取模塊，用于從原始的手寫體數(shù)字圖像數(shù)據(jù)中提取對應(yīng)數(shù)量的李群結(jié)構(gòu)數(shù)據(jù)； 預(yù)處理模塊，用于將李群結(jié)構(gòu)數(shù)據(jù)與其對應(yīng)的手寫體數(shù)字圖像數(shù)據(jù)的類別標(biāo)簽的對應(yīng)關(guān)系作為訓(xùn)練樣本，得到與所述對應(yīng)數(shù)量的李群結(jié)構(gòu)數(shù)據(jù)相對應(yīng)的訓(xùn)練樣本集合，同時，構(gòu)造處理李群結(jié)構(gòu)數(shù)據(jù)的矩陣高斯核函數(shù) k (z Zb)= e ' px^Za~Zb 所述Za和Zb表示任意兩個李群結(jié)構(gòu)數(shù)據(jù)，且a尹b, P > O為核函數(shù)，Il Il 矩陣范數(shù)； 模型訓(xùn)練模塊，用于利用支持向量機算法，以所述矩陣高斯核函數(shù)為核函數(shù)，輸入訓(xùn)練樣本，訓(xùn)練得到分類器模型； 分類模塊，用于將待測手寫體數(shù)字圖像數(shù)據(jù)對應(yīng)的李群結(jié)構(gòu)數(shù)據(jù)，分別輸入到訓(xùn)練得到的分類器模型中，得到對應(yīng)的數(shù)字類別。
7.根據(jù)權(quán)利要求6所述的方法，其特征在于，所述模型訓(xùn)練模塊包括 組合獲取単元，用于從所述訓(xùn)練樣本集合中任取兩類類別標(biāo)簽對應(yīng)的樣本，得到c取2的組合數(shù)個組合，c為手寫體數(shù)字圖像數(shù)據(jù)的類別數(shù)； 循環(huán)訓(xùn)練單元，用于以每個組合為單位，分別利用支持向量機算法，以所述矩陣高斯核函數(shù)為核函數(shù)，輸入各組合對應(yīng)的樣本，訓(xùn)練得到c取2的組合數(shù)個分類器模型。
8.根據(jù)權(quán)利要求7所述的系統(tǒng)，其特征在于，所述循環(huán)訓(xùn)練單元包括 訓(xùn)練子単元，用于提取包含i，j兩類樣本的組合，i，j均e {1，... c}，且iデj，執(zhí)行訓(xùn)練分類器模型的流程令I(lǐng) ( Zijm , yl )￡ rj +1丨其中I表示手寫體數(shù)字圖像數(shù) L\' Λ γ^χ—\ y m \ J"，據(jù)的個數(shù)，z表示李群結(jié)構(gòu)數(shù)據(jù)，y為手寫體數(shù)字圖像數(shù)據(jù)的類別標(biāo)簽，y e {1，... c}，上標(biāo)ij表示與第i，j兩類相關(guān)的數(shù)據(jù)信息，下標(biāo)m表示ー個索引，Z=表示第i，j兩類相關(guān)李群結(jié)構(gòu)數(shù)據(jù)，Iij表示i，j兩類的樣本之和，3；=為<對應(yīng)的類別標(biāo)簽，且當(dāng);/ = i，則=-1,當(dāng)·)^ =J ,則冗=+1 ,及求解，
9.根據(jù)權(quán)利要求7或8所述的系統(tǒng)，其特征在于，所述分類模塊包括 計算單元，用于將待測手寫體數(shù)字圖像數(shù)據(jù)對應(yīng)的李群結(jié)構(gòu)數(shù)據(jù)分別輸入到所述c取2的組合數(shù)個分類器模型中，一個李群結(jié)構(gòu)數(shù)據(jù)得到對應(yīng)的c取2的組合數(shù)個分類器輸出結(jié)果; 統(tǒng)計單元，用于統(tǒng)計所述輸出結(jié)果中該李群結(jié)構(gòu)數(shù)據(jù)被分為c類中某一類的值，并從中尋找最大值； 確定單元，用于將所述統(tǒng)計単元尋找到的最大值確定為該李群結(jié)構(gòu)數(shù)據(jù)對應(yīng)的手寫體數(shù)字圖像數(shù)據(jù)的數(shù)字類別。
10.根據(jù)權(quán)利要求9所述的系統(tǒng)，其特征在于，所述統(tǒng)計単元包括 類值統(tǒng)計子單元，用于依據(jù)公式
全文摘要
本發(fā)明實施例提供一種基于李群結(jié)構(gòu)數(shù)據(jù)的手寫體數(shù)字識別方法及系統(tǒng)。所述方法從原始的手寫體數(shù)字圖像數(shù)據(jù)中提取對應(yīng)的李群結(jié)構(gòu)數(shù)據(jù)，通過構(gòu)造矩陣高斯核函數(shù)，利用支持向量機算法訓(xùn)練出分類器模型，將待測手寫體數(shù)字圖像數(shù)據(jù)對應(yīng)的李群結(jié)構(gòu)數(shù)據(jù)，分別輸入到訓(xùn)練得到的分類器模型中，得到對應(yīng)的數(shù)字類別，從而對待測手寫體數(shù)字圖像數(shù)據(jù)對應(yīng)的李群結(jié)構(gòu)數(shù)據(jù)進行非線性特征的捕獲，更好的實現(xiàn)了手寫體數(shù)字識別。
文檔編號G06K9/62GK102722713SQ20121004111
公開日2012年10月10日 申請日期2012年2月22日 優(yōu)先權(quán)日2012年2月22日
發(fā)明者何書萍, 張莉, 李凡長, 楊季文, 王曉乾 申請人:蘇州大學(xué)