[发明专利]一种用于汉字识别的特征降维优化方法有效
| 申请号： | 201310158556.9 | 申请日： | 2013-05-02 |
| 公开（公告）号： | CN103295007A | 公开（公告）日： | 2013-09-11 |
| 发明（设计）人： | 高学;陈健 | 申请（专利权）人： | 华南理工大学 |
| 主分类号： | G06K9/20 | 分类号： | G06K9/20;G06K9/62;G06K9/46 |
| 代理公司： | 广州市华学知识产权代理有限公司 44245 | 代理人： | 蔡茂略 |
| 地址： | 510641 广*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种用于汉字识别的特征降维优化方法，包括如下步骤：（1）对汉字样本进行预处理和特征提取，将提取的汉字特征进行LDA降维变换；（2）运用最小欧氏距离分类器进行分类识别；（3）将分类识别错误的样本看作新增样本，加入到原始样本集中，运用ILDA增量线性判决的学习方法再次进行降维变换；（4）再次运用最小欧氏距离分类器重新进行分类识别；（5）重复步骤（3）和（4），经过多次迭代运算，输出LDA优化参数，并用于汉字的分类识别。本发明克服了已有LDA变换方法不能有效利用识别分类信息优化LDA变换矩阵参数的不足，具有大大提高了LDA特征降维变换的性能及汉字识别的准确率等优点。 | ||
| 搜索关键词： | 一种 用于 汉字 识别 特征 优化 方法 | ||
【主权项】：
一种用于汉字识别的特征降维优化方法，其特征在于，包括如下步骤：（1）对汉字样本进行预处理和特征提取，将提取的汉字特征进行LDA降维变换；（2）运用最小欧氏距离分类器进行分类识别；（3）将分类识别错误的样本看作新增样本，加入到原始样本集中，运用ILDA增量线性判决的学习方法再次进行降维变换；（4）再次运用最小欧氏距离分类器重新进行分类识别；（5）重复步骤（3）和（4），进行迭代运算，直到识别错误率达到设定的阈值为止，输出LDA优化参数，并用于汉字的分类识别。
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华南理工大学，未经华南理工大学许可，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/patent/201310158556.9/，转载请声明来源钻瓜专利网。
- 上一篇：电子标签夹持装置
- 下一篇：一种检测木马程序的方法及装置
