主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公编辑办公English
2018-2019年专刊出版计划 微信服务介绍 最新一期:2019年第10期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
孙广玲,刘家锋,唐降龙,石大明,赵巍.基于主动判别函数的手写体识别.软件学报,2005,16(4):523-532
基于主动判别函数的手写体识别
Active Discriminant Function for Handwriting Recognition
投稿时间:2003-12-29  修订日期:2004-11-03
DOI:
中文关键词:  手写体识别  主动判别函数  主动原型模板  主成分分析  最小分类错误准则
英文关键词:handwriting recognition  active discriminant function  active prototype model  principal component analysis  minimum classification error criterion
基金项目:Supported by the Foundation of Harbin City for the Intellectual, Heilongjiang Province of Chinaunder Grant No.2004AFXXJ053(哈尔滨市后备人才基金项目)
作者单位
孙广玲 哈尔滨工业大学,计算机科学与技术学院,黑龙江,哈尔滨,150001 
刘家锋 哈尔滨工业大学,计算机科学与技术学院,黑龙江,哈尔滨,150001 
唐降龙 哈尔滨工业大学,计算机科学与技术学院,黑龙江,哈尔滨,150001 
石大明 School of Computer Engineering, Nanyang technological University, Singapore 
赵巍 哈尔滨工业大学,计算机科学与技术学院,黑龙江,哈尔滨,150001 
摘要点击次数: 3027
全文下载次数: 2780
中文摘要:
      提出了一种新的基于主动判别函数的手写体识别方法.首先,提出了主子空间中基于统计特征的主动原型模板并给出了对应于待识模式的最优主动原型模板.然后,提出了主动判别函数,它是两个加权距离之和;其中一个是待识模式与主子空间的距离,另一个是待识模式与次子空间的距离.其次,作为主动判别函数的参数,主动原型模板的约束可应用最小分类错误准则进行优化,这一最优约束有助于提高主动判别函数的识别正确率.最后,在银行票据中使用的手写金融汉字样本库上进行实验.实验结果表明,主动判别函数在手写体识别方面是非常有前景的.
英文摘要:
      A novel recognition method called Active Discriminant Function (ADF) for handwriting recognition is presented. First, statistical feature based Active Prototype Model (APM) in the principal subspace is proposed and an optimal APM corresponding to an unknown pattern is obtained. Second, ADF that is a weighted summation of two distances is proposed. One measures the distance between an unknown pattern and the principal subspace; the other measures the distance between an unknown pattern and the minor subspace. Third, as parameters of ADF, constraints for APM are optimized by applying Minimum Classification Error (MCE) criterion. The optimal constraints help to improve recognition accuracy of ADF. Finally, experiments are conducted on handwritten financial Chinese characters used in bank bill, and empirical results demonstrate that ADF is fairly promising for handwriting recognition.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会 京ICP备05046678号-4
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利