基于非负矩阵分解方法的笔迹鉴别(1)(2)
2014-07-06 01:06
导读：(3-2)4 过程及其结果4.1 实验过程 作者用20个人的中文笔迹进行测试，包含每人30共600份手写汉字的笔迹图像，按彩色模式被扫描入计算机。其中15份/人作为
(3-2)4 过程及其结果4.1 实验过程 作者用20个人的中文笔迹进行测试，包含每人30共600份手写汉字的笔迹图像，按彩色模式被扫描入计算机。其中15份/人作为训练样本，其余的15份/人作为测试样本。即600份笔迹图像中，300份为训练样本，300份测试样本，其中部分样本见图1。 通过随机变换训练样本和测试样本，重复10次这样的实验。实验步骤如下： 图像预处理：首先去除所有的笔迹图像外边缘的空白，并将其归一化为20*20的256色灰度jpg图像。 特征提取：用NMF 100算法提取笔迹图像的特征，将 W、H 初始化为非负的正态分布矩阵，分别取r=20，25，30，35，40，45，50，100进行50次迭代得到图像特征空间。 笔迹鉴别：将测试样本映射特征空间，求出训练样本的特征向量，与已知的特征向量之间欧氏距离、Cos距离和K近邻(k=3)。然后对样本进行鉴别，得出鉴别结果。由于初始化矩阵的随机性，对每一个r值进行10次运算，分别求出其识别率。
图1 “试”字的笔迹样本共2页: 1 [2] 下一页 论文出处(作者):
一种基于离散小波变换的稳健的混淆盲视频水印技术
蜜网中基于Linux平台的蜜罐技术的研究
