[发明专利]一种用于手写汉字识别的用户书写风格自适应方法

权利要求书

1.一种用于手写汉字识别的用户书写风格自适应方法，其特征在于包括如下步骤：

(1)、选取用于更新模板及识别引擎的用户增量学习样本；

(2)、采用增量学习样本动态更新模板均值；

(3)、采用增量学习样本更新线性判决分析模型；

(4)、动态更新识别分类器；

所述步骤(1)选取用户的增量学习样本，用于更新模板及识别引擎，具体操作为：令增量学习的全部样本均值为总个数为L，原始样本总个数为N，全部原始样本的均值为经过增量学习后，新的全体样本的均值为

所述步骤(2)具体更新步骤如下：

(21)、恢复模板样本均值，令线性判决分析变换矩阵为W_lda，其逆矩阵为类别c经过线性判决分析变换后的模板为该类别的原始的模板均值为通过该公式可以利用来计算

x‾c=Wlda-1xldac]]>

(22)、更新模板均值，令样本类别数为p，每一类别经过线性判决分析逆变换后的原始模板均值为原始样本个数为n_c，增量学习样本的均值为增量学习样本的个数为l_c，则新的样本均值为由以下公式求得：

其中r为增量学习样本占原始样本总个数的百分比；

所述步骤(3)具体包括如下步骤：

(31)、计算类间散度矩阵S′_b，其中n′_c为此类别样本总数，为新的样本均值，为所有类别的总均值，T代表矩阵的转置，M为原始训练样本与增量样本混合后的总的类别数；

(32)、计算类内散度矩阵S′_w，并进行简化，得到其中，S_w为原先识别引擎的样本类内散度矩阵，S_yw为增量学习样本的类内散度矩阵，Ψ为存在增量样本的类别的集合，M为原始训练样本与增量样本混合后的总的类别数；

(33)、计算新的线性判决分析变换矩阵，即计算的特征向量，以特征向量作为列向量生成线性判决分析变换矩阵W′_lda；

所述步骤(4)利用新的线性判决分析变换矩阵W′_lda，对每一类别新的模板均值做线性判决分析变换，变换公式如下：

x′‾ldac=Wlda′x′‾c.]]>