[发明专利]一种三维笔式识别预处理方法

摘要

本发明涉及一种三维笔式识别预处理方法，属于模式识别与人工智能领域。包括以下步骤获取不同时刻下的笔三维坐标；寻找每个三维坐标的k个近邻点；由每个样本点的近邻点计算该样本点的局部重建权值矩阵；由该样本点的局部重建权值矩阵和其近邻点计算该样本点的输出矩阵；根据每个样本点的输出矩阵最终确定投影输出。本发明将三维笔式轨迹通过寻找最佳投影平面进行降维度处理，可以快速且有效的将用户在三维空间下输入的内容转化为二维平面上的内容，有效解决三维空间笔式书写不易识别的问题，实现三维空间下笔式交互的准确性、流畅性和高效性。

主权项

一种三维笔式识别预处理方法，其特征在于，包括下列步骤：(一)、获取不同时刻下的三维笔式轨迹坐标将每个三维笔式轨迹坐标视为样本点,共有n个样本点；(二)、通过距离参量寻找到每个样本点的k个近邻点Zij，其中Zij(j＝1，2...k)为Xi的k个近邻点，(i＝1,2...n)；(三)、计算出每个样本点的局部重建权值，得出样本点的局部重建权值矩阵W，引入误差函数minε(W)通过拉格朗日乘子法求出局部重建权值矩阵W，计算方法如公式(1)所示：minϵ(W)=Σi=1n|Xi-Σj=1kwijZij|2---(1)]]>其中minε(W)为定义的误差函数，是Xi与Zij之间的权值，且要满足：Σj=1kwij=1]]>(四)、根据局部重建权值矩阵W计算输出矩阵S，引入损失函数值minε(S)利用拉格朗日乘子法求出约束条件下最优解，计算方法如公式(2)所示：minϵ(S)=Σi=1n|Si-Σj=1kwijQij|2---(2)]]>其中，minε(Y)为损失函数值，Si为Xi的输出向量，Qij(j＝1，2…k)是Si的k个近邻点，且要满足：Σi=1nSi=0]]>1nΣi=1nSiSiT=I]]>其中，I为d*d的单位矩阵，d为输出矩阵维数，将存储在矩阵W中，当Zij是Xi的近邻点时，否则，Wij为0，其中Wij是W矩阵中第i行第j列的值，则公式(2)可以重写成：minϵ(Y)=Σi=1nΣq=1nMijSiTSq,]]>其中，M＝(I‑W)(I‑W)T，Mij是M矩阵中第i行第j列的值；(五)、求解M矩阵的特征值和特征向量，将特征值从小到大排列，舍去第一个特征值，取第2到第(d+1)个特征值对应的特征向量作为输出结果。