[发明专利]一种基于单形进化的手写体数字识别检测方法有效

专利信息
申请号: 201811007226.9 申请日: 2018-08-31
公开(公告)号: CN109165610B 公开(公告)日: 2021-01-05
发明(设计)人: 魏巍;全海燕 申请(专利权)人: 昆明理工大学
主分类号: G06K9/00 分类号: G06K9/00;G06K9/62;G06T5/00
代理公司: 暂无信息 代理人: 暂无信息
地址: 650093 云*** 国省代码: 云南;53
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 进化 手写体 数字 识别 检测 方法
【权利要求书】:

1.一种基于单形进化的手写体数字识别检测方法,其特征在于:所述方法步骤如下:

Step1、读取MNIST数据库中手写体数字样本图片;

Step2、对手写体数字样本图片依次进行预处理;其中预处理包括:灰度化、二值化、去噪、归一化处理、图片细化;

Step3、对预处理后的手写体数字样本图片依次进行特征提取:将图片分别进行结构特征提取和统计特征提取,得到特征值;

Step4、对所有手写体数字样本图片相应的特征值分别进行归一化处理,将归一化处理后的手写体数字样本图片划分训练集和测试集;

Setp5、将m个粒子以均匀分布随机初始化神经网络权值、偏置和径向基函数中心;其中m个粒子指代训练集中m个训练样本;

Step6、输入训练集并根据Step5初始化的值,采用基于单形邻域与多角色进化策略的智能优化算法,搜索到全局最优位置,将搜索到的全局最优位置作为RBF神经网络权值、偏置和径向基函数中心,然后进行RBF神经网络的训练学习,得到训练好的基于单形进化的RBF神经网络;

Step7、将测试集送入已经训练好的基于单形进化的RBF神经网络,得到识别结果。

2.根据权利要求1所述的基于单形进化的手写体数字识别检测方法,其特征在于:所述二值化采用整体阈值法,去噪采用滤波去噪,归一化处理具体为:先对图片进行压缩,然后采用最邻近插值法处理;图片细化采用像素领域分析法。

3.根据权利要求1所述的基于单形进化的手写体数字识别检测方法,其特征在于:所述结构特征提取采用穿越密度特征,穿越密度特征采用整体贯穿法;统计特征提取采用粗网格特征。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于昆明理工大学,未经昆明理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201811007226.9/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top