分类筛选
分类筛选:

关于手写论文范文资料 与一种改进FCM算法在手写数字识别中应用有关论文参考文献

版权:原创标记原创 主题:手写范文 科目:专科论文 2024-02-21

《一种改进FCM算法在手写数字识别中应用》:这篇手写论文范文为免费优秀学术论文范文,可用于相关写作参考。

摘 要: 模糊c均值(FCM,Fuzzy c-Means)算法是一种非常实用的模糊聚类算法,在非监督模式分类中占据着重要的地位.而手写数字识别在现实中也有着非常广泛的应用,如邮政编码、统计报表、银行票据等等.在FCM算法基础上,加入部分监督信息,并对手写数字图像用Zernike矩来筛选特征,最后通过MATLAB编程,验证了该改进的FCM算法对手写数字识别具有一定的可靠性.

关键词: FCM算法;手写数字识别;部分监督

中图分类号: TP391 文献标识码: A 文章编号: 2095-8153(2016)02-0105-04

0 引言

根据是否有教师指导,聚类方法分为无监督聚类和有监督聚类.对于没有任何先验知识来指导的分类,称之为无监督聚类;而有监督聚类,是指事先已知部分样本的隶属类别,需用一定的方法再对未知的样本划分类别的聚类.

在无监督聚类中,理论上比较完善并且应用非常广泛的是模糊c均值(FCM,Fuzzy c-Means)[1,2]类型的聚类算法.在实际中,若有一定的先验知识,即已知某些样本属于某个类别时,可以将该先验知识加入到FCM算法中,从而,人们研究出了多种具有部分监督信息的FCM算法.

1 FCM算法

设X等于{X1,X2,等,Xn}?奂Rn×q为样本集合,n为样本数,q为特征空间的维数.记c为类别数, U等于[uij]c×n为模糊划分矩阵:其中uij(1≤i≤c,1≤j≤n)表示第j个样本Xj属于第i个类别的隶属度,uij应满足以下二个约束条件:

(3)式中V等于(v1,v2,等,vc)为s×c矩阵,vj(j等于1,2,等,c)∈Rs为第j类中心;(dij)2等于‖xj-pi‖A等于(xj-pi)TA(xj-pi)为点xj和第i类中心vi之间的距离公式.m为模糊指数,控制分类矩阵U的模糊程度.目标函数Jm(X,?滋,v)是类内加权误差平方和目标函数,FCM 算法就是一个使目标函数Jm(X,?滋,v)最小化的迭代求解过程[3,4].

2 改进的具有部分监督的FCM算法

假设ns为具有先验知识的样本个数,未知类别的样本数为n个,则总共样本数有ns+n个;其中n1个属于第一类,n2-n1个属于第二类,ns-ns-1个属于第s类.设具有先验知识的样本划分矩阵为U*,分类数依旧为c(s≤c),则划分矩阵U′等于(U*,U),即为

根据拉格朗日乘数法,有如下计算步骤:

首先设定2≤c≤n,迭代停止阀值为?着,初始化聚类原型模式P(0),迭代计数器b等于0;

步骤一:用下式计算或更新划分矩阵U′等于(U*(b) ,U(b) ):

3 手写数字识别

手写体数字识别属于字符识别领域,其主要研究如何利用电子计算机来自动辨认人手写在纸张上的阿拉伯数字.相较于英文识别,汉字识别,脱机手写数字则是最难识别的.

在进行手写数字识别时,需要先对带有随机噪声的字符灰度值数字信号进行预处理.

通过预处理(参见文献[6],[7]),可将原始图像转二值化,并对尺寸和位置进行归一化处理.一般地,还需在预处理后的图像上提取特征,可用Zernike矩来筛选特征.

若图像的密度函数为f(x,y),其n阶Zernike矩的定义为

4 改进的FCM算法在手写数字识别中的实验分析

现从UK测试表中截取了5000样本进行数据处理.先根据上面所说的特征提取方法提取出部分手写体数字的特征矢量,然后再将同一数字的不同矢量特征表达作为研究对象进行模糊聚类分析.如手写体的“2”的手写形式为 ,其特征矢量为C等于[-1 -1 -1 0 -1 -1 -3 1 1 0 3 3 3 0 0];而 的特征矢量为C等于[-1 -1 0 -1 -2 0 -1 -1 -1 6 3 0 0 0 1].以此类推.

从上表可以看出,数字“2,3,4,5,8,9”的识别率都比较高,而“0”和“6”,“1”和“7”这两组数字,因为在字形上有些相近,人们在书写的时候,由于字迹潦草、习惯等原因,使得识别率相对于其他数字稍低.但总体来讲,此算法对手写数字识别具有一定的可靠性.

[参考文献]

[1]闵珊华,贺仲雄. 懂一点模糊数学[M]. 北京: 中国青年出版社,1985.

[2]Zadeh L A. Fuzzy sets[J].Information and Control, 1965,8(5):338~353.

[3]王士同,夏祖勋,陈剑夫. 模糊数学在人工智能中的应用[M].北京:机械工业出版社,1991.

[4]Bezdek J C. A review of probabilistic, fuzzy, and neutral model for pattern recognition[J].Journal of intelligent and fuzzy systems,1996,4(1):1~25.

[5]Xiaojun Tong,Qin Jiang,Haitao Gan,Shan Zeng, Kai Zhao. Research on the Calculation Mothod for Weight of the Feature Weight Fuzzy Clustering Algorithm[A]∥DCABES2008: 677~682.

[6]夏德深,傅德胜. 现代图像处理技术和应用[M]. 南京: 东南大学出版社,1997.

[7]姜 琴. 模糊聚类分析及其在数字图像处理中的应用[D].武汉工业学院,2009.

Application of Improved FCM Algorithm in Handwritten Numeral Recognition

JIANG Qin

(Department of Computer Science,Yunyang Teachers College,Shiyan 442000,China)

Abstract: Fuzzy Means (FCM) algorithm, a practical fuzzy clustering algorithm,plays an important role in the unsupervised pattern classification. The hand-written numeral recognition is widely applied in different fields,such as postcodes,statistics statements, bank bills,etc. Partial supervision information is added in FCM algorithm,and characteristics are selected by Zernike moment with hand-written numeral images,and the improved FCM algorithm is proved to be reliable to the hand-written numeral recognition by means of MATLAB programming.

Key words: FCM algorithm;handwritten numeral recognition;partial supervision

手写论文参考资料:

手写小论文格式模板

手写论文摘要顶格写吗

大学论文手写格式模板

手写论文格式

手写论文格式模板

手写论文的格式

结论:一种改进FCM算法在手写数字识别中应用为适合不知如何*写方面的相关专业大学硕士和本科毕业论文以及关于手写输入法论文开题报告范文和相关职称论文写作参考文献资料下载。

和你相关的