实验总结10_311
需积分: 0 171 浏览量
2022-08-08
21:38:18
上传
评论
收藏 22KB DOCX 举报
褶皱情况下的手写体识别(运用散射算子和多种其他工具的组合方法)
概要
(2013-08~2014-05)
论文所采用的方法是 Scatter 系数+Gamma+Copula(+monte Carlo)+KL 距离+KNN 分类
专利采用的方法是 Scatter 系数+Gamma+KL 距离公式+KNN 分类
实验数据集的划分方法：
50 个书写者，每个书写者书写两幅笔迹样本，总共有 100 幅图像，将这 100 幅图像经过
不同褶皱处理，生成正常、轻度褶皱、重度褶皱三大类图像，每大类图像有 100 幅图像，为
解决小样本问题，将 100 幅图像中的每幅图像上的文字随机组合，使得每幅图像生成 20 张
图像，这样每大类图像集含有 2000 幅文本图像，论文中采用的方法没有将图像集分为测试
集和训练集，而是计算出每一幅图像与其他图像的 KL 距离后，根据距离划分类别，最后比
较该类图像中的正确的图像个数，得出正确率。(称该数据集为 A)
划分数据集为测试集和训练集的实验未做。 (称该划分数据集为 A_1)
(2014-09~2014-11)
该实验阶段主要采用了的方法是 Scatter 系数+降维工具+KNN 分类(同数据集下，实验效果要
优于论文中所采用的方法)：
按照降维工具是否线性分为线性降维和非线性降维。
实验数据集的划分方法：
与论文方法不同的是，将不同褶皱情况下的手写体笔迹文本图像混合到一起，并对总数据
集进行训练集和测试集的划分，比较不同降维方法对结果的影响。(称该数据集为 B)
为了便于实验，缩小了数据集 B 的规模为 10 个人所写的文本图像。(称该数据集为 B_1)
线性降维方法
PCA、类 LDA(使用类内距离效果最好，不考虑类间距离)、LLR(低秩表示) 、RPC(鲁棒 PCA)
非线性降维方法（主要采用 drttool 工具箱（34 种降维方法）中的部分降维方法）
Kernel PCA、LPP
具体实验效果比较（以下实验均在数据集 A,A_1,B,B_1 范围下进行，A,A_1,B,B_1 的
说明见概要部分）
1. Scatter 系数+Gamma+Copula(+monte Carlo)+KL 距离+KNN 分类
表 4 PDTDFB、NACT、Scatter 在不同褶皱情况下的识别率（A 数据集）
评论0