[发明专利]3D手写识别SVM分类器核参数选取方法及用途

摘要

本发明公开了一种3D手写识别SVM分类器核参数选取方法。该方法通过改进萤火虫群优化算法(Glowworm Swarm Optimization,GSO)中萤火虫的位置更新公式，并且在个体移动过程中引入亮度特征大幅提高了算法的正确率与收敛性，从而选择出最佳的SVM核函数参数，构造出性能优异的分类器。利用本发明的方法，可以构建性能更好的3D手写识别系统，有效地提高3D手写识别系统的识别率。

主权项

一种3D手写识别SVM分类器核参数选取方法，其特征在于，核参数选取过程包括以下步骤：1)加速度传感器采集数据：采用三维加速度传感器评估板进行数据的采集；2)预处理：预处理阶段使用卡尔曼滤波方法滤除环境因素带来的手抖、温度噪声，同时对因为书写者的书写顺序与姿势不同带来的差异进行数据归一化；3)特征提取：提取旋转特征作为时域特征，提取快速傅氏变换特征作为频域特征；采用串行方法进行时域和频域特征融合，得到时频域融合特征；利用主成分分析和线性鉴别分析组合算法降维；4)SVM分类识别：识别部分选用径向基核函数作为训练函数，首先设定惩罚因子和径向基核函数宽度的变化范围，构成解空间，将萤火虫随机分布在解空间中，在每次迭代过程中通过改进位置更新机制并参考亮度因素进行位置更新，算法的最优解即代表SVM核参数的最佳值，最后利用3D手写特征样本和优化过的核函数训练出最佳的SVM分类器，从而对新的3D手写数据进行高精度的分类判断。