[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
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 | ||
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。
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。