PR
k_shmily
数字图像处理,模式识别,DSP,Linux编程
展开
-
模板匹配的字符识别(OCR)笔记
预处理:降噪、二值化特征提取:建立模板:匹配算法1. 基于统计学去除 outlier 、基于中值或者均值滤波去除噪声2. otsu、local binary(分块)、动态阈值3. 偏斜度调整:基于背景扫描的方面,基于moment几何方法4. 字符分割:连通域、区域增长去outlier-去噪声-》二值化-》偏斜度-》连通域标记-》去除小的干扰块原创 2016-07-23 09:21:40 · 15231 阅读 · 0 评论 -
动态聚类法
1. 初始化K个聚类中心2. 逐个将需要分类的样本模式按照最小距离准则分配给K个聚类中心中的某一个3. 计算各个聚类中心的新的向量值4. 比较前一次聚类中心和这一次的聚类中心是否相等,不过不相等,返回 2原创 2016-06-29 12:03:15 · 8925 阅读 · 0 评论 -
01-线性可分条件下判别函数权矢量算法
1.原创 2016-06-29 15:58:23 · 777 阅读 · 0 评论 -
03-二次准则函数及其求解(一般情况下的判别函数)
1. 最小错分模式数目准则对于两类问题,样本已经符号规范化如果训练模式是线性可分的,则不等式\(w^T x > 0\)如果训练模式是线性不可分,不等式组没解。目标:最少的训练模式被错分共轭梯度法2. 最小平方误差准则及W-H算法(1)伪逆法(广义逆、M-P逆)- 很少用(2)梯度法(Widrow—Hoff算法)3. H-K(Ho-Kakhyap)算法原创 2016-07-07 17:09:49 · 2278 阅读 · 0 评论 -
02-一次准则函数及梯度下降法
1. 感知器算法(两类)基本思想:用训练模式检验初始的或迭代中的增广权矢量w的合理性,当不合理时,对齐进行校正。算法实质:最优化技术中的梯度下降法。也是人工神经网络理论中的线性阈值神经元学习方法。如果训练模式是线性可分的,感知器训练算法是在有限次迭代后便可以收敛到正确的解矢量\(w^*\)2.一次准则函数及梯度下降法采用最优化技术求解线性判别函数中的增广权矢量时,首先构造准则函原创 2016-07-08 17:24:02 · 2501 阅读 · 0 评论 -
04-统计判决
先验概率:识别系统预先已知的或者可以估计的模式属于某种类型的概率类条件概率密度函数:模式样本x属于某类条件下出现的概率密度分布函数 \(p(x | w_i)\)后验概率:在某个具体的模式样本x条件下,该样本属于某种类型的概率。\(p( w_i | x)\)\( P(w_i|x) = P(w_i)p(x|w_i) / p(x)\)原创 2016-11-02 13:28:48 · 947 阅读 · 0 评论