[发明专利]手写体数字识别方法及系统

说明书

技术领域

本发明涉及模式识别领域，更具体地说，涉及一种手写体数字识别方法及系统。

背景技术

手写体数字识别一直是模式识别领域的研究热点。在现代社会，与手写体数字识别的相关应用领域不胜其数，例如：邮件分拣、财税、金融等领域。当涉及到数字识别时，人们往往会对识别系统的精度和准确率有着很高要求。随着经济的迅速发展，每天待处理的财会报表、支票等日益增多。如果能用计算机自动处理，则可以节省很大的财力、物力和人力，因此，针对这类问题的处理系统设计的关键环节之一就是设计出高可靠性和高识别率的数字识别方法。然而，没有哪个数字识别方法能够达到完美的识别效果。因此，对手写数字的识别研究仍然是有重大意义的。

K近邻分类器是一种经典的分类器，由于算法简单，在计算方面得到了广泛的应用。但是，由于K近邻分类器对每一个待分类的样本都要计算它到全体已知样本的距离才能求出它的K个近邻点，因此计算量特别大。

针对传统的基于K分类器的手写体数字识别方法的计算量大的问题，有人提出了一种新的基于K近邻分类准则的特征变换算法——判别近邻嵌入算法，该算法通过将数据映射到更低维空间，降低了K近邻分类的计算代价。但是发明人在实现本发明的过程中发现，基于判别近邻嵌入算法的手写体数字识别的识别率较低。

发明内容

本发明的目的是提供一种手写体数字识别方法，以提高手写体数字识别的识别率。

为实现上述目的，本发明提供了如下技术方案：

一种手写体数字识别方法，包括：

利用第一映射函数将训练样本集中的各个训练样本由原空间映射到第一隐空间，并利用所述第一映射函数将待测样本集中的各个待测样本由原空间映射到所述第一隐空间，所述第一映射函数为：

z=[k(x,x₁) k(x,x₂) … k(x,x_N)]^T，

其中，x为原空间中的样本，x_i(i=1,2,...,N)为训练样本集中的第i个训练样本，z为第一隐空间中的，由样本x映射得到的样本，k(,)为核函数，N为原空间中的训练样本的个数；

将所述第一隐空间中的所有训练样本构建矩阵Z=[z₁,z₂,...,z_N]，并依据所述矩阵Z构建邻接矩阵F，其中，所述邻接矩阵F的第i行第j列的元素F_ij为：

依据所述邻接矩阵F构建对角矩阵S，所述对角矩阵S对角线上的元素为Sii=Σj=1NFij;]]>

对矩阵Z(S-F)Z进行特征分解，获取特征值，其中，第m个特征值为λ_m，与第m个特征值λ_m相对应的特征向量为p_m，将预设数量个负特征值所对应的特征向量构建测度变换矩阵P=[p₁,p₂,...,p_d]，其中，d为所述预设数量；

利用第二映射函数将所述第一隐空间中的各个训练样本映射到第二隐空间，并利用所述第二映射函数将所述第一隐空间中的待测样本映射到第二隐空间，所述第二映射函数为：其中，为第二隐空间中的，由样本z映射得到的样本；

依据所述第二隐空间中第n个待测样本与所述第二隐空间中每一个训练样本之间的距离，获取所述第二隐空间中第n个待测样本的K个近邻训练样本；

依据所述第二隐空间中第n个待测样本的K个近邻训练样本的数字类型确定所述第二隐空间中第n个待测样本的数字类型。

上述方法，优选的，所述核函数为高斯核函数。

上述方法，优选的，所述核函数为多项式核函数。

上述方法，优选的，所述预设数量为所有负特征值的个数。

一种手写体数字识别系统，包括：