[发明专利]一种手写数字识别方法

权利要求书

1.一种手写数字识别方法，其特征在于，所述手写数字识别方法包括：

获取待识别的测试手写数字图像；

确定所述测试手写数字图像对应的向量，以作为测试样本；

利用基于谱回归判别分析方法对所述测试样本降维；

针对预定的多个类别参考向量中的每一个类别，计算降维后的测试样本与该类别参考向量之间的平均相似度；以及

选择与所述降维后的测试样本之间的平均相似度最大的参考向量类别，将该参考向量类别确定为所述测试手写数字图像的类别。

2.根据权利要求1所述的手写数字识别方法，其特征在于，所述针对预定的多个类别参考向量中的每一个类别、计算降维后的测试样本与该类别参考向量之间的平均相似度的步骤包括：

计算所述降维后的测试样本与该类别参考向量之间的平均距离；以及

根据所述降维后的测试样本与该类别参考向量之间的平均距离，利用径向基核函数，计算所述降维后的测试样本与该类别参考向量之间的平均相似度。

3.根据权利要求1或2所述的手写数字识别方法，其特征在于，所述手写数字识别方法还包括：

利用基于谱回归判别分析方法对训练样本集中每个训练样本降维，其中，所述训练样本集包括多个类别，所述训练样本集的每个类别包括该类别下的至少一个参考手写数字图像对应的向量，作为该类别下的训练样本；以及

针对所述训练样本集的每个类别，

计算该类别下每两个训练样本之间的相对距离，以获得该类别下的每个训练样本的局部密度，

针对该类别下的每个训练样本，将该类别下局部密度比该训练样本的局部密度大的训练样本作为该训练样本对应的候选样本，将所述候选样本到该训练样本之间的相对距离中的最小值确定为该训练样本的代表距离。

4.根据权利要求3所述的手写数字识别方法，其特征在于，所述训练样本集的多个类别包括如下10个数字类别：

数字“0”、数字“1”、数字“2”、数字“3”、数字“4”、数字“5”、数字“6”、数字“7”、数字“8”和数字“9”。

5.根据权利要求3所述的手写数字识别方法，其特征在于，所述利用基于谱回归判别分析方法对训练样本集中每个训练样本降维的步骤包括：

设所述训练样本集中第v类有m_v个训练样本，v＝1,2,…,c，c为所述训练样本集所包含训练样本的类别总数，所述训练样本集共有m个训练样本，分别用x₁,x₂,…,x_m表示，每个训练样本为多维向量；

令a₀＝[1,1,…,1]^T和a_v＝[0,…,0,1,…,1,0,…,0]^T，其中a₀中包括m个1元素，a_v中包括m_v个1元素、m-m_v个0元素，使用Gram-Schmidt正交化法则来处理向量组{a₀,a₁,…,a_c}，获得b₀＝a₀以及另外c-1个正交向量r＝1,2,…,c-1；

给每个训练样本x_i添加一个新元素1以更新每个训练样本及所述训练样本集,i＝1,2,…,m；

求解更新后的训练样本集中训练样本的c-1个特征向量，得到

pr=argminp(Σj=1m(pTxj-bj(r))2+α||p||2),]]>

其中b_j^(r)表示b_r的第j维元素，α是非负的尺度参数；

利用c-1个向量所构成的(n-1)×(c-1)维投影矩阵P，并根据如下公式来对更新后的每个训练样本进行降维，

x~i=PTxi1,]]>

其中，为对更新后的第i个训练样本x_i降维后得到的c-1维向量。