在笔迹鉴别中为了便于获取特征字符的细微特征，基于线性矩和小波变换提出了提取特征字符纹理特征的方法。小波变换能有效地提取字符的结构特征，而矩能够很好地对其进行描述。在该方法中，一幅特征字图像可以用一个含有52个元素的特征矢量表示，然后通过训练多个神经网络，并应用神经网络集成的方法将其结果合成，对特征空间进行正确分类。分别在特征字和候选人数变化的情况下进行实验，实验结果显示识别准确率较同类算法平均提高百分之五。
2023-04-11 20:17:53
322KB
1
机器学习是许多人在人类生活的各个领域中不可或缺的技术。 它遍及全球的现代生活中，并具有多种用途。 一种应用是图像分类，它涵盖了许多影响领域，例如商业，金融，医药等，以提高产量，原因，效率等。这种对更精确，面向细节的分类的需求增加了对修改，改编，和深度学习算法的创新。 本文使用卷积神经网络（CNN）对CIFAR-10数据库中的场景进行分类，并在KDEF数据库中检测情绪。 所提出的方法将数据转换到小波域以获得更高的精度和与空间域处理相当的效率。 通过将图像数据划分为子带，重要的特征学习发生在不同的低频到高频上。 所学习的低频和高频特征的组合以及对融合特征映射的处理导致检测精度的提高。 将拟议的方法与空间域CNN和堆叠式降噪自动编码器（SDA）进行比较，实验结果表明，准确性显着提高。
2021-12-14 12:08:59
2.56MB
1